增量深度学习目标跟踪

• 作者: 孙俊喜 曹永刚 程帅 赵立荣
• 来源期刊: 光学精密工程
• 学科: 工学
• 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 深度学习
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 信息科学
• 页码范围: 1161-1170
• 页数: 10页
• 分类号: TP391.4
• 字数: 4958字
• 语种: 中文
• DOI: 10.3788/OPE.20152304.1161

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,基于增量深度学习的目标跟踪算法.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习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习方法,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94％、重叠率为74％,平均帧率为13 frame/s.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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵立荣	长春理工大学电子信息工程学院	11	236	7.0	11.0
3	程帅	长春理工大学电子信息工程学院	6	79	6.0	6.0
4	曹永刚	长春理工大学电子信息工程学院	6	148	5.0	6.0
8	孙俊喜	东北师范大学计算机科学与信息技术学院	12	169	6.0	12.0