本文關(guān)鍵詞：選擇性搜索和多深度學(xué)習(xí)模型融合的目標(biāo)跟蹤，由筆耕文化傳播整理發(fā)布。

【摘要】：提出一種基于深度學(xué)習(xí)的多模型(卷積神經(jīng)網(wǎng)絡(luò)和卷積深信度網(wǎng)絡(luò))融合目標(biāo)跟蹤算法.該算法在提取候選粒子方面,使用選擇性搜索和粒子濾波的方法.CVPR2013跟蹤評價(jià)指標(biāo)(50個(gè)視頻序列、30個(gè)跟蹤算法)驗(yàn)證了:該算法在跟蹤中能有效地緩解目標(biāo)物體由于遮擋、光照變化和尺度變化等因素造成的跟蹤丟失情況的發(fā)生.
【作者單位】： 華僑大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;華僑大學(xué)計(jì)算機(jī)視覺與模式識別重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 目標(biāo)跟蹤 深度學(xué)習(xí) 多模型融合 選擇性搜索 評價(jià)指標(biāo)
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61202299);國家自然科學(xué)基金面上資助項(xiàng)目(61572205) 福建省自然科學(xué)基金資助項(xiàng)目(2015J01257) 福建省高校杰出青年科研人才培育計(jì)劃項(xiàng)目(JA13007)
【分類號】：TP391.41
【正文快照】： 目標(biāo)跟蹤是機(jī)器視覺中一個(gè)重要的研究分支,然而由于應(yīng)用場合中的一些不確定因素,要想獲得一種穩(wěn)健、魯棒又快速的跟蹤方法仍具有挑戰(zhàn)性.為了解決這個(gè)問題,近年來越來越多的學(xué)者采用多層的深度學(xué)習(xí)模型進(jìn)行目標(biāo)的特征提取.Fan等[1]針對跟蹤問題,提出了基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 周安;蔣輝;余晉剛;田金文;;基于字典學(xué)習(xí)的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤算法[J];戰(zhàn)術(shù)導(dǎo)彈技術(shù);2014年04期

2 吳韜;曹潔;;基于動(dòng)態(tài)多特征融合策略的粒子濾波跟蹤算法研究[J];自動(dòng)化與儀器儀表;2014年04期

3 潘琢金;張恒彬;楊華;毛艷娥;;IMM目標(biāo)跟蹤算法在DSP上的優(yōu)化與實(shí)現(xiàn)[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年06期

4 李方敏;姜娜;熊跡;張景源;;融合熱釋電紅外傳感器與視頻監(jiān)控器的多目標(biāo)跟蹤算法[J];電子學(xué)報(bào);2014年04期

5 張巧榮;張慧娟;;基于視覺注意機(jī)制的目標(biāo)跟蹤方法[J];計(jì)算機(jī)工程與科學(xué);2014年08期

6 江曉蓮;李翠華;李雄宗;;基于視覺顯著性的兩階段采樣突變目標(biāo)跟蹤算法[J];自動(dòng)化學(xué)報(bào);2014年06期

7 查宇飛;楊源;王錦江;張立朝;;利用密度描述符對應(yīng)的視覺跟蹤算法[J];西安交通大學(xué)學(xué)報(bào);2014年09期

8 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 王強(qiáng);基于視頻序列的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];北京理工大學(xué);2015年

2 鄭午辰;基于移動(dòng)設(shè)備交互式系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

  本文關(guān)鍵詞：選擇性搜索和多深度學(xué)習(xí)模型融合的目標(biāo)跟蹤，，由筆耕文化傳播整理發(fā)布。

本文編號：447971