本文關鍵詞：選擇性搜索和多深度學習模型融合的目標跟蹤，由筆耕文化傳播整理發(fā)布。

【摘要】：提出一種基于深度學習的多模型(卷積神經網絡和卷積深信度網絡)融合目標跟蹤算法.該算法在提取候選粒子方面,使用選擇性搜索和粒子濾波的方法.CVPR2013跟蹤評價指標(50個視頻序列、30個跟蹤算法)驗證了:該算法在跟蹤中能有效地緩解目標物體由于遮擋、光照變化和尺度變化等因素造成的跟蹤丟失情況的發(fā)生.
【作者單位】： 華僑大學計算機科學與技術學院;華僑大學計算機視覺與模式識別重點實驗室;
【關鍵詞】： 目標跟蹤 深度學習 多模型融合 選擇性搜索 評價指標
【基金】：國家自然科學基金資助項目(61202299);國家自然科學基金面上資助項目(61572205) 福建省自然科學基金資助項目(2015J01257) 福建省高校杰出青年科研人才培育計劃項目(JA13007)
【分類號】：TP391.41
【正文快照】： 目標跟蹤是機器視覺中一個重要的研究分支,然而由于應用場合中的一些不確定因素,要想獲得一種穩(wěn)健、魯棒又快速的跟蹤方法仍具有挑戰(zhàn)性.為了解決這個問題,近年來越來越多的學者采用多層的深度學習模型進行目標的特征提取.Fan等[1]針對跟蹤問題,提出了基于卷積神經網絡(CNN)的

【相似文獻】

中國期刊全文數據庫 前8條

1 周安;蔣輝;余晉剛;田金文;;基于字典學習的實時運動目標跟蹤算法[J];戰(zhàn)術導彈技術;2014年04期

2 吳韜;曹潔;;基于動態(tài)多特征融合策略的粒子濾波跟蹤算法研究[J];自動化與儀器儀表;2014年04期

3 潘琢金;張恒彬;楊華;毛艷娥;;IMM目標跟蹤算法在DSP上的優(yōu)化與實現[J];計算機工程與設計;2014年06期

4 李方敏;姜娜;熊跡;張景源;;融合熱釋電紅外傳感器與視頻監(jiān)控器的多目標跟蹤算法[J];電子學報;2014年04期

5 張巧榮;張慧娟;;基于視覺注意機制的目標跟蹤方法[J];計算機工程與科學;2014年08期

6 江曉蓮;李翠華;李雄宗;;基于視覺顯著性的兩階段采樣突變目標跟蹤算法[J];自動化學報;2014年06期

7 查宇飛;楊源;王錦江;張立朝;;利用密度描述符對應的視覺跟蹤算法[J];西安交通大學學報;2014年09期

8 ;[J];;年期

中國碩士學位論文全文數據庫 前2條

1 王強;基于視頻序列的運動目標跟蹤方法研究[D];北京理工大學;2015年

2 鄭午辰;基于移動設備交互式系統(tǒng)的設計與實現[D];電子科技大學;2015年

  本文關鍵詞：選擇性搜索和多深度學習模型融合的目標跟蹤，，由筆耕文化傳播整理發(fā)布。

本文編號：447971