【摘要】：目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的重要研究方向之一,在精確制導(dǎo)、智能視頻監(jiān)控、人機(jī)交互、機(jī)器人導(dǎo)航、公共安全等領(lǐng)域有著重要的作用。目標(biāo)跟蹤的基本問題是在一個(gè)視頻或圖像序列中選擇感興趣的目標(biāo),在接下來的連續(xù)幀中,找到該目標(biāo)的準(zhǔn)確位置并形成其運(yùn)動(dòng)軌跡。目標(biāo)跟蹤是一個(gè)頗具挑戰(zhàn)性的問題,目標(biāo)的非剛性變化往往改變了目標(biāo)的表觀模型,同時(shí)復(fù)雜的光照變化、目標(biāo)與場(chǎng)景間的遮擋、背景中相似物體的干擾和攝像機(jī)的抖動(dòng)等使目標(biāo)跟蹤任務(wù)變得更加困難。近年來,隨著深度學(xué)習(xí)在目標(biāo)檢測(cè)和識(shí)別等領(lǐng)域中取得巨大的突破,許多學(xué)者開始將深度學(xué)習(xí)模型引入到目標(biāo)跟蹤中,并在一系列數(shù)據(jù)評(píng)測(cè)集上取得了優(yōu)于傳統(tǒng)方法的性能,逐漸開啟了目標(biāo)跟蹤領(lǐng)域的新篇章。文中將首先闡述目標(biāo)跟蹤問題的難點(diǎn)和基本解決思路;然后根據(jù)利用深度學(xué)習(xí)算法解決目標(biāo)跟蹤問題的不同思路,對(duì)當(dāng)前出現(xiàn)的此類主流算法進(jìn)行分析,介紹這些算法各自的優(yōu)缺點(diǎn)及未來的工作方向。
[Abstract]:Target tracking is one of the important research directions in the field of computer vision. It plays an important role in the fields of precision guidance, intelligent video surveillance, human-computer interaction, robot navigation, public safety and so on. The basic problem of target tracking is to select the object of interest in a video or image sequence, find the exact position of the target and form its track in the subsequent successive frames. Target tracking is a challenging problem. The non-rigid changes of the target often change the apparent model of the target, at the same time, the complex illumination changes, the occlusion between the target and the scene. The jamming of similar objects in background and the jitter of camera make target tracking more difficult. In recent years, with the great breakthrough of depth learning in the field of target detection and recognition, many scholars begin to introduce depth learning model into target tracking, and obtain better performance than traditional methods in a series of data evaluation sets. Gradually opened a new chapter in the field of target tracking. In this paper, the difficulties and basic solutions of the target tracking problem are described, and then, according to the different ideas of using the depth learning algorithm to solve the target tracking problem, the current mainstream algorithms are analyzed. The advantages and disadvantages of these algorithms and their future working directions are introduced.
【作者單位】： 中國(guó)科學(xué)院沈陽自動(dòng)化研究所;中國(guó)科學(xué)院大學(xué);中國(guó)科學(xué)院光電信息處理重點(diǎn)實(shí)驗(yàn)室;遼寧省圖像理解與視覺計(jì)算重點(diǎn)實(shí)驗(yàn)室;
【基金】：總裝預(yù)研項(xiàng)目(51301030108)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邵文坤;黃愛民;韋慶;;目標(biāo)跟蹤方法綜述[J];影像技術(shù);2006年01期

2 梁德群;阮文;;基于模型的線性組合目標(biāo)跟蹤方法[J];模式識(shí)別與人工智能;1995年04期

3 齊志泉;宋野;王來生;;基于在線學(xué)習(xí)的目標(biāo)跟蹤方法研究[J];計(jì)算機(jī)應(yīng)用研究;2010年02期

4 陳愛斌;蔡自興;董德毅;;一種基于目標(biāo)和背景加權(quán)的目標(biāo)跟蹤方法[J];控制與決策;2010年08期

5 巫春玲;韓崇昭;;一種新的非線性目標(biāo)跟蹤方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年07期

6 王江峰;張茂軍;熊志輝;包衛(wèi)東;;一種利用時(shí)空約束軌跡片段關(guān)聯(lián)的目標(biāo)跟蹤方法[J];計(jì)算機(jī)應(yīng)用研究;2011年03期

7 林曉東;朱林戶;王瑛;;一種改進(jìn)的基于概率假設(shè)密度濾波的多目標(biāo)跟蹤方法[J];控制與決策;2011年09期

8 向志炎;曹鐵勇;沈文鑫;張鵬;肖強(qiáng);;一種新的基于粒子濾波框架的目標(biāo)跟蹤方法[J];軍事通信技術(shù);2011年04期

9 王江峰;張茂軍;包衛(wèi)東;熊志輝;;雙向時(shí)空連續(xù)性軌跡片段關(guān)聯(lián)的目標(biāo)跟蹤方法[J];國(guó)防科技大學(xué)學(xué)報(bào);2011年02期

10 韓文靜;朱俊平;向直揚(yáng);亢娟娜;;改進(jìn)的基于多示例學(xué)習(xí)的目標(biāo)跟蹤方法研究[J];計(jì)算機(jī)應(yīng)用與軟件;2013年09期

相關(guān)會(huì)議論文 前5條

1 馬進(jìn);田濤;;基于聯(lián)合變換相關(guān)的目標(biāo)跟蹤方法研究[A];2011西部光子學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

2 胡伏原;張艷寧;肖敬若;;一種大范圍的特定目標(biāo)跟蹤方法[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

3 黃雁;羅喜伶;張軍;;一種實(shí)時(shí)穩(wěn)健的航拍視頻目標(biāo)跟蹤方法[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（下）[C];2008年

4 朱明清;趙宇宙;鄧甜甜;王漫;陳宗海;;基于自適應(yīng)過程噪聲分布的粒子濾波視覺目標(biāo)跟蹤方法[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

5 惠斌;陳法領(lǐng);羅海波;;基于互信息的目標(biāo)跟蹤方法[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

相關(guān)博士學(xué)位論文 前7條

1 謝英紅;基于李群流形的視頻目標(biāo)跟蹤方法研究[D];東北大學(xué);2014年

2 王寧;基于粒子濾波的視覺目標(biāo)跟蹤方法關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2013年

3 張洪建;基于有限集統(tǒng)計(jì)學(xué)的多目標(biāo)跟蹤算法研究[D];上海交通大學(xué);2009年

4 李昱辰;基于粒子濾波的視頻目標(biāo)跟蹤方法研究[D];蘭州理工大學(xué);2013年

5 連峰;基于隨機(jī)有限集的多目標(biāo)跟蹤方法研究[D];西安交通大學(xué);2009年

6 張玲;視頻目標(biāo)跟蹤方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

7 錢誠(chéng);增量型目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];浙江大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 王蒙;基于粒子濾波的目標(biāo)跟蹤方法研究[D];南京信息工程大學(xué);2015年

2 徐玉偉;多特征聯(lián)合及選擇的目標(biāo)跟蹤算法研究[D];南京信息工程大學(xué);2015年

3 陳清梁;復(fù)雜場(chǎng)景下的目標(biāo)跟蹤方法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 王倩;圖像運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究及應(yīng)用[D];電子科技大學(xué);2015年

5 李川;基于多源數(shù)據(jù)融合的目標(biāo)跟蹤方法設(shè)計(jì)與實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

6 段紅巖;視頻多目標(biāo)跟蹤方法研究[D];西安電子科技大學(xué);2014年

7 羅偉濤;一種基于特征流型與自學(xué)習(xí)的目標(biāo)跟蹤方法[D];南京大學(xué);2014年

8 葉長(zhǎng)春;IARC第7代任務(wù)中定位與目標(biāo)跟蹤方法研究[D];浙江大學(xué);2016年

9 倪亞萍;無線層析網(wǎng)絡(luò)中多目標(biāo)跟蹤方法的研究[D];北京理工大學(xué);2016年

10 葛婷;幾何外觀變化的目標(biāo)跟蹤方法研究[D];北京理工大學(xué);2016年

，

本文編號(hào)：2162971