选择性搜索和多深度学习模型融合的目标跟踪

发布时间：2017-06-14 00:11

  本文关键词：选择性搜索和多深度学习模型融合的目标跟踪，由笔耕文化传播整理发布。

【摘要】：提出一种基于深度学习的多模型(卷积神经网络和卷积深信度网络)融合目标跟踪算法.该算法在提取候选粒子方面,使用选择性搜索和粒子滤波的方法.CVPR2013跟踪评价指标(50个视频序列、30个跟踪算法)验证了:该算法在跟踪中能有效地缓解目标物体由于遮挡、光照变化和尺度变化等因素造成的跟踪丢失情况的发生.
【作者单位】： 华侨大学计算机科学与技术学院;华侨大学计算机视觉与模式识别重点实验室;
【关键词】： 目标跟踪 深度学习 多模型融合 选择性搜索 评价指标
【基金】：国家自然科学基金资助项目(61202299);国家自然科学基金面上资助项目(61572205) 福建省自然科学基金资助项目(2015J01257) 福建省高校杰出青年科研人才培育计划项目(JA13007)
【分类号】：TP391.41
【正文快照】： 目标跟踪是机器视觉中一个重要的研究分支,然而由于应用场合中的一些不确定因素,要想获得一种稳健、鲁棒又快速的跟踪方法仍具有挑战性.为了解决这个问题,近年来越来越多的学者采用多层的深度学习模型进行目标的特征提取.Fan等[1]针对跟踪问题,提出了基于卷积神经网络(CNN)的

【相似文献】

中国期刊全文数据库 前8条

1 周安;蒋辉;余晋刚;田金文;;基于字典学习的实时运动目标跟踪算法[J];战术导弹技术;2014年04期

2 吴韬;曹洁;;基于动态多特征融合策略的粒子滤波跟踪算法研究[J];自动化与仪器仪表;2014年04期

3 潘琢金;张恒彬;杨华;毛艳娥;;IMM目标跟踪算法在DSP上的优化与实现[J];计算机工程与设计;2014年06期

4 李方敏;姜娜;熊迹;张景源;;融合热释电红外传感器与视频监控器的多目标跟踪算法[J];电子学报;2014年04期

5 张巧荣;张慧娟;;基于视觉注意机制的目标跟踪方法[J];计算机工程与科学;2014年08期

6 江晓莲;李翠华;李雄宗;;基于视觉显著性的两阶段采样突变目标跟踪算法[J];自动化学报;2014年06期

7 查宇飞;杨源;王锦江;张立朝;;利用密度描述符对应的视觉跟踪算法[J];西安交通大学学报;2014年09期

8 ;[J];;年期

中国硕士学位论文全文数据库 前2条

1 王强;基于视频序列的运动目标跟踪方法研究[D];北京理工大学;2015年

2 郑午辰;基于移动设备交互式系统的设计与实现[D];电子科技大学;2015年

  本文关键词：选择性搜索和多深度学习模型融合的目标跟踪，，由笔耕文化传播整理发布。

本文编号：447971