本文關(guān)鍵詞：快速深度學(xué)習(xí)的魯棒視覺跟蹤

  更多相關(guān)文章： 視覺跟蹤 深度學(xué)習(xí) 支持向量機 粒子濾波 自編碼

【摘要】：目的基于深度學(xué)習(xí)的視覺跟蹤算法具有跟蹤精度高、適應(yīng)性強的特點,但是,由于其模型參數(shù)多、調(diào)參復(fù)雜,使得算法的時間復(fù)雜度過高。為了提升算法的效率,通過構(gòu)建新的網(wǎng)絡(luò)結(jié)構(gòu)、降低模型冗余,提出一種快速深度學(xué)習(xí)的算法。方法魯棒特征的提取是視覺跟蹤成功的關(guān)鍵�；谏疃葘W(xué)習(xí)理論,利用海量數(shù)據(jù)離線訓(xùn)練深度神經(jīng)網(wǎng)絡(luò),分層提取描述圖像的特征;針對網(wǎng)絡(luò)訓(xùn)練時間復(fù)雜度高的問題,通過縮小網(wǎng)絡(luò)規(guī)模得以大幅緩解,實現(xiàn)了在GPU驅(qū)動下的快速深度學(xué)習(xí);在粒子濾波框架下,結(jié)合基于支持向量機的打分器的設(shè)計,完成對目標的在線跟蹤。結(jié)果該方法精簡了特征提取網(wǎng)絡(luò)的結(jié)構(gòu),降低了模型復(fù)雜度,與其他基于深度學(xué)習(xí)的算法相比,具有較高的時效性。系統(tǒng)的跟蹤幀率總體保持在22幀/s左右。結(jié)論實驗結(jié)果表明,在目標發(fā)生平移、旋轉(zhuǎn)和尺度變化,或存在光照、遮擋和復(fù)雜背景干擾時,本文算法能夠?qū)崿F(xiàn)比較穩(wěn)定和相對快速的目標跟蹤。但是,對目標的快速移動和運動模糊的魯棒性不夠高,容易受到相似物體的干擾。
【作者單位】： 空軍工程大學(xué)信息與導(dǎo)航學(xué)院;
【基金】：國家自然科學(xué)基金項目(61473309) 陜西省自然科學(xué)基金項目(2015JM6269,2016JM6050)~~
【分類號】：TP391.41
【正文快照】： 論文引用格式:Dai B,Hou Z Q,Yu W S,Hu D,Fan S Y.Robust visual tracking via fast deep learning[J].Journal of Image and Graphics,2016,21(12):1662-1670.[戴鉑,侯志強,余旺盛,胡丹,范舜奕.快速深度學(xué)習(xí)的魯棒視覺跟蹤[J].中國圖象圖形學(xué)報,2016,21(12):1662- 1670.]

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 史衛(wèi)民;王慶敏;劉秋紅;陳勇;姚永杰;;視覺跟蹤技術(shù)及其應(yīng)用的研究進展[J];海軍醫(yī)學(xué)雜志;2014年01期

2 侯志強;韓崇昭;;視覺跟蹤技術(shù)綜述[J];自動化學(xué)報;2006年04期

3 王哲;;視覺跟蹤 用眼睛使用的“鼠標”[J];電腦愛好者;2007年07期

4 張進;;視覺跟蹤技術(shù)發(fā)展和難點問題的分析[J];信息技術(shù)與信息化;2008年06期

5 李谷全;陳忠澤;;視覺跟蹤技術(shù)研究現(xiàn)狀及其展望[J];計算機應(yīng)用研究;2010年08期

6 劉鐵根,蔡懷宇,張以謨,路登平,胡繩蓀,張鳳林;一種埋弧焊視覺跟蹤系統(tǒng)(英文)[J];光電工程;1999年06期

7 李偉;吳瑰麗;王猛;;視覺跟蹤算法的研究進展[J];石家莊鐵路職業(yè)技術(shù)學(xué)院學(xué)報;2013年03期

8 劉洋;李玉山;張大樸;邱家濤;;基于動態(tài)目標建模的粒子濾波視覺跟蹤算法[J];光子學(xué)報;2008年02期

9 張國亮;謝宗武;蔣再男;王捷;劉宏;;模糊化多視覺信息融合的視覺跟蹤策略[J];西安交通大學(xué)學(xué)報;2009年08期

10 楊戈;劉宏;;視覺跟蹤算法綜述[J];智能系統(tǒng)學(xué)報;2010年02期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 呂玉生;趙杰煜;;具有視覺跟蹤的中英文語音動畫系統(tǒng)[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

2 李善青;賈云得;柳陽;;一種用于穿戴計算的指示手勢視覺跟蹤方法[A];第三屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2007）論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 王法勝;復(fù)雜場景下的單目標視覺跟蹤算法研究[D];大連海事大學(xué);2014年

2 徐蕭蕭;基于特征學(xué)習(xí)與特征聯(lián)想的視覺跟蹤算法研究[D];中國科學(xué)技術(shù)大學(xué);2010年

3 王其聰;復(fù)雜觀測條件下的基于粒子濾波的視覺跟蹤[D];浙江大學(xué);2007年

4 夏瑜;視覺跟蹤新方法及其應(yīng)用研究[D];江南大學(xué);2013年

5 王芳林;穩(wěn)健視覺跟蹤算法中的關(guān)鍵問題研究[D];上海交通大學(xué);2009年

6 溫靜;基于張量子空間學(xué)習(xí)的視覺跟蹤方法研究[D];西安電子科技大學(xué);2010年

7 蘇潔;光照變化下的視覺跟蹤算法研究[D];哈爾濱工程大學(xué);2010年

8 王棟;基于線性表示模型的在線視覺跟蹤算法研究[D];大連理工大學(xué);2013年

9 代江華;粒子濾波架構(gòu)下視覺目標跟蹤相關(guān)技術(shù)研究[D];華中科技大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 郭標;焊縫視覺跟蹤系統(tǒng)設(shè)計[D];西南交通大學(xué);2015年

2 張瑞;基于貝葉斯估計的視覺跟蹤算法研究[D];福建師范大學(xué);2015年

3 祝寶龍;基于視覺跟蹤技術(shù)的眼控鼠標研究[D];哈爾濱工業(yè)大學(xué);2015年

4 劉養(yǎng)彪;運動模糊下的視覺跟蹤算法研究[D];北京理工大學(xué);2015年

5 向秀娟;基于視覺跟蹤的移動機器人定位研究[D];新疆大學(xué);2015年

6 張勁;基于在線隱變量支持向量機的尺度自適應(yīng)視覺跟蹤[D];西安電子科技大學(xué);2014年

7 范曲;復(fù)雜場景下運動目標的視覺跟蹤方法研究[D];重慶大學(xué);2015年

8 孟凡帥;面向物料輸送過程狀態(tài)監(jiān)控與故障報警的視覺跟蹤技術(shù)的研究[D];河北工業(yè)大學(xué);2015年

9 張欣;基于粒子濾波的視覺跟蹤算法的FPGA實現(xiàn)[D];北京理工大學(xué);2016年

10 黃梁華;基于張量表達的視覺跟蹤算法研究[D];北京理工大學(xué);2016年

，

本文編號：1182271