陈 姝，梁文章



结合特征点匹配及深度网络检测的运动跟踪

陈 姝1，梁文章2

(1. 湘潭大学信息工程学院 湖南 湘潭 411105；2. 广西卡斯特动漫有限公司 南宁 530003)

通过样本学习得到的目标先验视觉信息可以对目标进行高效表示，在目标跟踪中通过充分利用这些先验知识提高跟踪精度。基于此，提出一种利用离线训练结果进行在线跟踪的算法，首先利用深度神经网络通过样本学习目标的视觉先验，然后跟踪在贝叶斯推理框架下进行，在跟踪过程中将目标视觉先验用作目标的外观表示，跟踪结果由粒子滤波顺序得到。为了防止跟踪漂移，通过特征点匹配建立系统的状态模型，并且将目标分解成子目标进行相似度量，提高算法抗局部遮挡能力。在多个公开测试集上实验表明，该算法可以提高目标跟踪精度，防止跟踪漂移，实现长序列可靠跟踪。

深度学习; 特征匹配; 目标跟踪; 粒子滤波； 稀疏编码

基于视频的目标跟踪用来估计视频中运动目标的位置，被广泛应用于视频监控、人机交互及视频分析等领域。尽管目前目标跟踪的精度得到了很大的提高，但是由于光照变化、部分遮挡、背景成簇及视点变化等因素使得可靠地跟踪运动目标仍然面临很多困难。

目标跟踪算法大致分为生成式跟踪算法及判别式跟踪算法两类。生成式跟踪算法假定被跟踪的目标可以由一定的生成模型来描述，因而跟踪相当于在所有的候选目标中找到最可能的跟踪目标[1]。……