基于深度稀疏学习的鲁棒视觉跟踪

发布时间：2018-06-13 09:48

  本文选题：视觉跟踪 + 深度学习　； 参考：《北京航空航天大学学报》2017年12期

【摘要】：视觉跟踪中,高效鲁棒的特征表达是复杂环境下影响跟踪性能的重要因素。提出一种深度稀疏神经网络模型,在提取更加本质抽象特征的同时,避免了复杂费时的模型预训练过程。对单一正样本进行数据扩充,解决了在线跟踪时正负样本不平衡的问题,提高了模型稳定性。利用密集采样搜索算法,生成局部置信图,克服了采样粒子漂移现象。为进一步提高模型的鲁棒性,还分别提出了相应的模型参数更新和搜索区域更新策略。大量实验结果表明:与当前主流跟踪算法相比,该算法对于复杂环境下的跟踪问题具有良好的鲁棒性,有效地抑制了跟踪漂移,且具有较快的跟踪速率。
[Abstract]:In visual tracking, efficient and robust feature representation is an important factor affecting tracking performance in complex environments. A deep sparse neural network model is proposed, which extracts more essential abstract features and avoids the complicated and time-consuming process of model pre-training. The data expansion of a single positive sample solves the imbalance of positive and negative samples in online tracking and improves the stability of the model. The local confidence chart is generated by means of dense sampling search algorithm, which overcomes the phenomenon of sampling particle drift. In order to further improve the robustness of the model, the corresponding updating strategies of model parameters and search region are proposed respectively. A large number of experimental results show that compared with the current mainstream tracking algorithm, the algorithm is robust to the tracking problem in complex environments, effectively restrains the tracking drift and has a faster tracking rate.
【作者单位】： 空军工程大学信息与导航学院;
【基金】：国家自然科学基金(61473309,61703423) 陕西省自然科学基础研究计划(2015JM6269,2016JM6050)~~
【分类号】：TP18;TP391.41

【相似文献】

相关期刊论文 前10条

1 邹海荣;龚振邦;罗均;;运动目标视觉跟踪系统的控制特性研究[J];上海电机学院学报;2006年02期

2 史卫民;王庆敏;刘秋红;陈勇;姚永杰;;视觉跟踪技术及其应用的研究进展[J];海军医学杂志;2014年01期

3 侯志强;韩崇昭;;视觉跟踪技术综述[J];自动化学报;2006年04期

4 王哲;;视觉跟踪 用眼睛使用的“鼠标”[J];电脑爱好者;2007年07期

5 张进;;视觉跟踪技术发展和难点问题的分析[J];信息技术与信息化;2008年06期

6 李谷全;陈忠泽;;视觉跟踪技术研究现状及其展望[J];计算机应用研究;2010年08期

7 李伟;吴瑰丽;王猛;;视觉跟踪算法的研究进展[J];石家庄铁路职业技术学院学报;2013年03期

8 刘洋;李玉山;张大朴;邱家涛;;基于动态目标建模的粒子滤波视觉跟踪算法[J];光子学报;2008年02期

9 张国亮;谢宗武;蒋再男;王捷;刘宏;;模糊化多视觉信息融合的视觉跟踪策略[J];西安交通大学学报;2009年08期

10 杨戈;刘宏;;视觉跟踪算法综述[J];智能系统学报;2010年02期

相关会议论文 前2条

1 吕玉生;赵杰煜;;具有视觉跟踪的中英文语音动画系统[A];第十四届全国图象图形学学术会议论文集[C];2008年

2 李善青;贾云得;柳阳;;一种用于穿戴计算的指示手势视觉跟踪方法[A];第三届和谐人机环境联合学术会议（HHME2007）论文集[C];2007年

相关博士学位论文 前10条

1 王法胜;复杂场景下的单目标视觉跟踪算法研究[D];大连海事大学;2014年

2 张明杰;基于视觉的目标跟踪与行为识别方法研究[D];西北大学;2015年

3 徐萧萧;基于特征学习与特征联想的视觉跟踪算法研究[D];中国科学技术大学;2010年

4 王其聪;复杂观测条件下的基于粒子滤波的视觉跟踪[D];浙江大学;2007年

5 夏瑜;视觉跟踪新方法及其应用研究[D];江南大学;2013年

6 王芳林;稳健视觉跟踪算法中的关键问题研究[D];上海交通大学;2009年

7 温静;基于张量子空间学习的视觉跟踪方法研究[D];西安电子科技大学;2010年

8 苏洁;光照变化下的视觉跟踪算法研究[D];哈尔滨工程大学;2010年

9 王栋;基于线性表示模型的在线视觉跟踪算法研究[D];大连理工大学;2013年

10 代江华;粒子滤波架构下视觉目标跟踪相关技术研究[D];华中科技大学;2014年

相关硕士学位论文 前10条

1 张瑞;基于贝叶斯估计的视觉跟踪算法研究[D];福建师范大学;2015年

2 祝宝龙;基于视觉跟踪技术的眼控鼠标研究[D];哈尔滨工业大学;2015年

3 刘养彪;运动模糊下的视觉跟踪算法研究[D];北京理工大学;2015年

4 向秀娟;基于视觉跟踪的移动机器人定位研究[D];新疆大学;2015年

5 张劲;基于在线隐变量支持向量机的尺度自适应视觉跟踪[D];西安电子科技大学;2014年

6 张欣;基于粒子滤波的视觉跟踪算法的FPGA实现[D];北京理工大学;2016年

7 黄梁华;基于张量表达的视觉跟踪算法研究[D];北京理工大学;2016年

8 王安;基于多层显著前景块的目标跟踪[D];安徽大学;2016年

9 张亚红;基于显著性检测和压缩感知的视觉跟踪[D];南京航空航天大学;2015年

10 卢嘉林;基于判别模型的视觉跟踪算法的研究[D];兰州大学;2016年

，

本文编号：2013608