APP下载

深度学习在视频目标跟踪中的应用进展与展望

2016-08-22管皓薛向阳安志勇

自动化学报 2016年6期
关键词:深度特征模型

管皓 薛向阳 安志勇



深度学习在视频目标跟踪中的应用进展与展望

管皓1薛向阳1安志勇1

视频目标跟踪是计算机视觉的重要研究课题,在视频监控、机器人、人机交互等方面具有广泛应用.大数据时代的到来及深度学习方法的出现,为视频目标跟踪的研究提供了新的契机.本文首先阐述了视频目标跟踪的基本研究框架.对新时期视频目标跟踪研究的特点与趋势进行了分析,介绍了国际上新兴的数据平台、评测方法.重点介绍了目前发展迅猛的深度学习方法,包括堆叠自编码器、卷积神经网络等在视频目标跟踪中的最新具体应用情况并进行了深入分析与总结.最后对深度学习方法在视频目标跟踪中的未来应用与发展方向进行了展望.

目标跟踪,视频分析,在线学习,深度学习,大数据

引用格式管皓,薛向阳,安志勇.深度学习在视频目标跟踪中的应用进展与展望.自动化学报,2016,42(6):834-847

视频目标跟踪是计算机视觉领域的重要研究课题,其主要任务是获取视频序列中感兴趣的目标的位置与运动信息,为进一步的语义层分析(动作识别、场景识别等)提供基础.其定义是:给定视频序列初始帧中目标的位置框(一般为矩形框),在接下来的视频序列中自动给出该目标的位置框或者在目标离开视域时给出提示.视频目标跟踪研究在智能视频监控、人机交互、机器人等领域有广泛应用,具有很强的实用价值.视频目标跟踪同视频……

登录APP查看全文

猜你喜欢

深度特征模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
深度观察
深度观察
深度观察
3D打印中的模型分割与打包
线性代数的应用特征