陆平+邓硕+李伟华

摘要：提出了一种基于深度学习的多目标跟踪算法。首先，通过GoogLeNet+长短期记忆网络（LSTM）模型进行目标检测，以获得准确的目标检测结果；其次，直接根据目标检测的特征图对检测目标进行深度特征的提取，深度特征相比于传统特征可以更准确地反映检测目标的外观特征，因此可以有效提高跟踪的准确性。此外，还在传统数据驱动马尔科夫蒙特卡洛（DDMCMC）算法的基础上，提出了层次的数据驱动马尔科夫蒙特卡洛（HDDMCMC）算法，可以进一步提高多目标跟踪的准确性。实验结果证明了所提出算法的有效性。

关键词： 多目标跟踪；深度学习；目标检测；MCMC算法

自从深度学习技术出现以来，计算机视觉领域得到了快速发展，深度学习技术最先用于图像分类问题。近年来，基于深度学习的多目标跟踪算法也取得了一定的突破。多目标跟踪是计算机视觉领域一个非常具有挑战性的研究方向，且有着十分广泛的现实应用场景，例如：智能视频监测控制、异常行为分析、移动机器人研究等。传统的多目标跟踪算法往往由于目标检测效果较差，导致跟踪效果不佳；而基于深度学习的检测器可以获得较好的目标检测效果，进而提高目标跟踪的准确度。

因此，文章中我们着重研究了基于深度学习的多目标跟踪算法。首先通过GoogLeNet[1]+长短期记忆网络（LSTM）[2]模型进行目标检测，以获得准确的目标检测结果。在此基础上，提出了直接根据目标检测的特征图对检测目标进行深度特征的提取的方法，深度特征相比于尺度不变特征变换（SIFT）[3]等传统特征可以更准确地反应检测目标的外观特征，因此可以提高目标跟踪算法的准确性。……