文档介绍：第卷第期光学精密工程. .
年月.
文章编号———
增量深度学****目标跟踪
程帅,孙俊喜,曹永冈。,赵立荣。
.长春理工大学电子信息工程学院,吉林长春;
.东北师范大学计算机科学与信息技术学院,吉林长春;
.中国科学院长春光学精密机械与物理研究所,吉林长春
摘要:由于现有目标跟踪算法在复杂环境下易发生目标漂移甚至跟踪丢失,故本文提出了以双重采样粒子滤波为框架,
基于增量深度学****的目标跟踪算法。该算法在粒子滤波中引入粒子集规模自适应调整的双重采样来解决粒子衰减及贫
化问题,并利用无监督特征学****预训练深度去噪自编码器以克服跟踪中训练样本的不足。将深度去噪自编码器应用到
在线跟踪中,使提取的特征集合能够有效表达粒子图像区域。在深度去噪自编码器中添加了增量特征学****方法,得到了
更有效的特征集以适应跟踪过程中目标外观变化。该方法还用线性支持向量机对特征集合进行分类,提高对粒子集合
的分类精度,以得到更精确的目标位置。在复杂环境下对不同图片序列进行的实验表明:该算法的跟踪综合评价指标为
、重叠率为,平均帧率为/。与现有的跟踪算法相比,本算法有效地解决目标漂移甚至跟踪丢失问题,
并且对遮挡、相似背景、光照变化、外观变化具有更好的鲁棒性及精确度。
关键词:目标跟踪;粒子滤波;深度去噪自编码器;支持向量机;增量特征;深度学****br/> 中图分类号:. 文献标识码: :./..

,—孙,—, —,。
.,
,,;
.,
,,;
.,,
,,
】”,:—.
:
,
—.
,—
—
收稿日期:——;修订日期:——.
基金项目:吉林省科技厅资助项目.;
光学精密工程第卷
. ,
,
.,

.,

.
,—,
,/. ———
,
, ,
,.
: ;; ; ;
;
算法的双重采样过程可以自适应调整粒子集的规
引言模,解决了粒子衰减和贫化问题。其通过无监督特
征学****得到的深度去噪自编码器
目标跟踪是计算机视觉研究领域的重要组成,纠提取粒子区域特
部分,广泛应用在视频监控、行为识别及国防安全征,以表达图像的本质信息;选用增量特征学****优
等领域。目标跟踪也面临一系列挑战,如遮挡、化粒子区域特征集来适应目标在跟踪中外观变化,
相似背景、光照变化、外观变化等因素常导致目以便更有效地表达粒子区域;利用线性支持向量机
标漂移甚至跟踪失败。,对优化后的特
作为一种典型的跟踪算法,基于外观模型的征集进行分类,得到粒子置信度;同时微调深度网
跟踪算法使用的特征模型不能反映目标本质络,将粒子置信度最高的特征作为跟踪结果。
信息,也不是目标的有效表达,在跟踪过程中常出
现误匹配问题,而且复杂的外观模型计算成本高。双重采样粒子滤波
针对这个问题,有学者在外观模型中引入了机器
学****算法。,将跟踪视为二值分类问题。分类粒子滤波是基于蒙特卡洛和递推贝叶斯估计
模型可以有效地利用目标和背景信息,将跟踪目的非线性滤波方法,被广泛应用在目标跟踪
标从背景中分离出来。此类算法虽改进了跟踪效中,其用于目标跟踪时存在粒子衰减和贫化问题。
果,但也存在一些问题,即如