基于深度降噪自编码器的多特征目标融合跟踪算法
针对在目标遮挡、光线变化、目标模糊等情况下的目标跟踪算法抗干扰能力较差的问题,提出了一种基于深度降噪自动编码器的多特征目标融合跟踪算法.该方法首先引入稳像和图像去雾算法以改善训练集数据和测试集数据的质量;再构建多特征深度降噪自动编码网络,基于深度神经网络的强大学习能力提取目标的颜色特征和均匀模式纹理特征;将两种特征加权融合输入到逻辑回归分类器,获得置信分数,更有效地区分目标和背景.最后,采用粒子滤波算法对目标进行跟踪.实验结果表明,该方法能够更准确地对存在目标遮挡、光线变化、目标模糊等干扰问题的视频进行跟踪.与传统方法相比,该方法成功率在上述三个方面平均分别提升33.73%、9.73%和12.80%;与近年流行算法相比,该方法成功率平均达到90.16%,实时性平均达到49.37fps.
目标跟踪、深度降噪自动编码器、分类神经网络、目标融合、粒子滤波
31
TP391.41(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项
2020-06-02(万方平台首次上网日期,不代表论文的发表时间)
共12页
175-186