基于双向非线性学习的轨迹跟踪和识别

• 作者: 宋耀良 梁德群 樊鑫 胡昭华
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 自编码网络 轨迹生成模型 非线性降维 目标跟踪
• 年，卷（期）: 2007,（8）
• 所属期刊栏目: 学习算法
• 页码范围: 1389-1397
• 页数: 9页
• 分类号: TP391
• 字数: 8141字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-4164.2007.08.021

摘要

目标的运动轨迹是跟踪和识别目标行为的重要特征之一,在视觉跟踪等领域得到了广泛的应用.然而,由于轨迹数据具有高维和非线性等特点,因而直接建模目标的运动轨迹比较困难.为此,引入一种称为自编码(autoencoder)的双向深层神经网络,并结合粒子滤波提出一种轨迹跟踪识别算法.首先,自编码网络按照一定的学习规则将高维轨迹嵌人到二维平面上,通过该网络的逆向映射得到轨迹的生成模型,由轨迹生成模型可得到一系列可行性轨迹.跟踪过程中,每时刻粒子滤波器的粒子便从这些可行性轨迹中进行抽样,并利用颜色似然函数对抽取的粒子进行加权以及再抽样从而实现对目标状态的估计,最后在二维平面中利用"最小距离分类器"对跟踪轨迹进行识别.特别地,自编码网络提供了高维轨迹空间和低维嵌套结构的双向映射,有效解决了大多数非线性降维方法(例如局部线性嵌入算法(LLE)和等度规映射(ISOMAP))所不具备的逆向映射问题.跟踪和识别手写数字实验表明所提出的方法能在复杂背景下精确跟踪目标并正确识别目标轨迹.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁德群	大连海事大学信息工程学院	98	1701	20.0	38.0
2	宋耀良	南京理工大学电子工程与光电技术学院	54	321	9.0	14.0
3	胡昭华	南京理工大学电子工程与光电技术学院	5	100	4.0	5.0
5	樊鑫	大连海事大学信息工程学院	3	46	3.0	3.0