多示例深度学习目标跟踪
2015-08-17帅孙俊喜曹永刚刘广文韩广良长春理工大学电子信息工程学院长春130022
电子与信息学报 2015年12期
关键词:特征
程 帅孙俊喜曹永刚刘广文*韩广良(长春理工大学电子信息工程学院 长春 130022)
②(东北师范大学计算机科学与信息技术学院 长春 130117)
③(中国科学院长春光学精密机械与物理研究所 长春 130000)
多示例深度学习目标跟踪
程 帅①孙俊喜②曹永刚①③刘广文*①韩广良③
①(长春理工大学电子信息工程学院 长春 130022)
②(东北师范大学计算机科学与信息技术学院 长春 130117)
③(中国科学院长春光学精密机械与物理研究所 长春 130000)
为解决多示例跟踪算法中外观模型和运动模型不足导致跟踪精度不高的问题,该文提出多示例深度学习目标跟踪算法。针对原始多示例跟踪算法中采用Haar-like特征不能有效表达图像信息的缺点,利用深度去噪自编码器提取示例图像的有效特征,实现图像信息的本质表达,易于分类器正确分类,提高跟踪精度。针对多示例学习跟踪算法中选取弱特征向量不能更换,难以反映目标自身和外界条件变化的缺点,在选择弱分类器过程中,实时替换判别力最弱的特征以适应目标外观的变化。针对原始多示例跟踪算法中运动模型中仅假设帧间物体运动不会超过某个范围,不能有效反映目标的运动状态的缺点,引入粒子滤波算法对目标进行预测,提高跟踪的准确性。在复杂环境下不同图片序列实验结果表明,与多示例跟踪算法及其他跟踪算法相比,该文算法具有更高跟踪精确度和更好的鲁棒性。
目标跟踪;多示例学习;深度学习;弱特征更换;粒子……
登录APP查看全文
