深度学习辅助的多行人跟踪算法
目的 目标的长距离跟踪一直是视频监控中最具挑战性的任务之一.现有的目标跟踪方法在存在遮挡、目标消失再出现等情况下往往会丢失目标,无法进行持续有效的跟踪.一方面目标消失后再次出现时,将其作为新的目标进行跟踪的做法显然不符合实际需求;另一方面,在跟踪过程中当相似的目标出现时,也很容易误导跟踪器把该相似对象当成跟踪目标,从而导致跟踪失败.为此,提出一种基于目标识别辅助的跟踪算法来解决这个问题.方法 将跟踪问题转化为寻找帧间检测到的目标之间对应关系问题,从而在目标消失再现后,采用深度学习网络实现有效的轨迹恢复,改善长距离跟踪效果,并在一定程度上避免相似目标的干扰.结果 通过在标准数据集上与同类算法进行对比实验,本文算法在目标受到遮挡、交叉运动、消失再现的情况下能够有效地恢复其跟踪轨迹,改善跟踪效果,从而可以对多个目标进行持续有效的跟踪.结论 本文创新性地提出了一种结合基于深度学习的目标识别辅助的跟踪算法,实验结果证明了该方法对遮挡重现后的目标能够有效的恢复跟踪轨迹,适用在监控视频中对多个目标进行持续跟踪.
多目标跟踪、识别辅助的跟踪、深度学习、长距离跟踪、跟踪轨迹恢复
22
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61472362,61379075;浙江省自然科学基金项目LZ16F020002,LY14F020001;公益技术研究社会发展项目2015C33081National Natural Science Foundation of China61472362,61170098,61379075;Natural Science Foundation of Zhejiang Provincial,ChinaLZ16F020002,LY14F020001
2017-04-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
349-357