选择性搜索和多深度学习模型融合的目标跟踪

摘要：

提出一种基于深度学习的多模型（卷积神经网络和卷积深信度网络）融合目标跟踪算法．该算法在提取候选粒子方面，使用选择性搜索和粒子滤波的方法．CVPR2013跟踪评价指标（50个视频序列、30个跟踪算法）验证了：该算法在跟踪中能有效地缓解目标物体由于遮挡、光照变化和尺度变化等因素造成的跟踪丢失情况的发生．

关键词：目标跟踪、深度学习、多模型融合、选择性搜索、评价指标

所属期刊栏目：37

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61202299；国家自然科学基金面上资助项目61572205；福建省自然科学基金资助项目2015J01257；福建省高校杰出青年科研人才培育计划项目JA13007

在线出版日期：2016-04-21（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：207-212