结合特征点匹配及深度网络检测的运动跟踪

摘要：

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。

关键词：深度学习、特征匹配、目标跟踪、粒子滤波、稀疏编码

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61100139,61040009

在线出版日期：2016-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：246-251