基于深度特征表达与学习的视觉跟踪算法研究
该文针对视觉跟踪中运动目标的鲁棒性跟踪问题,将深度学习引入视觉跟踪领域,提出一种基于多层卷积滤波特征的目标跟踪算法。该算法利用分层学习得到的主成分分析(PCA)特征向量,对原始图像进行多层卷积滤波,从而提取出图像更深层次的抽象表达,然后利用巴氏距离进行特征相似度匹配估计,进而结合粒子滤波算法实现目标跟踪。结果表明,这种多层卷积滤波提取到的特征能够更好地表达目标,所提跟踪算法对光照变化、遮挡、异面旋转、摄像机抖动都具有很好的不变性,对平面内旋转也具有一定的不变性,在具有此类特点的视频序列上表现出非常好的鲁棒性。
视觉跟踪、深度学习、主成分分析、卷积神经网络、粒子滤波
TP391;TP183(计算技术、计算机技术)
国家自然科学基金61202339,61472443;航空科学基金20131996013资助课题
2015-09-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
2033-2039