结合粒子滤波及度量学习的目标跟踪方法

摘要：

针对复杂环境导致目标跟踪性能显著下降的问题,提出基于粒子滤波与度量学习的目标跟踪方法.所提方法首先离线训练可高效获取目标特征的卷积神经网络(CNN);其次,基于核回归度量学习(MLKR)方法构建最小化预测误差的距离度量矩阵优化模型,并利用梯度下降法求解所得模型以获得候选目标最优解;再次,基于最优候选预测值计算重构误差以构建目标观测模型;最后,引入长短时稳定更新策略并基于粒子滤波跟踪框架实现有效跟踪.实验结果表明,复杂环境下所提方法具有较高跟踪精度及较好稳健性.

关键词：目标跟踪、粒子滤波、卷积神经网络、度量学习、稀疏表示

所属期刊栏目：42

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;国家自然科学基金;浙江省自然科学基金;中国博士后科学基金;河南省科技攻关计划;浙江理工大学科研启动基金

在线出版日期：2021-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：98-110