基于CNN的粒子滤波目标跟踪算法研究 |
| |
作者姓名: | 李位星 马维亮 田卉 潘峰 纪昱锋 |
| |
作者单位: | 北京理工大学自动化学院,北京,100081;中国移动通信有限公司研究院,北京,100053 |
| |
摘 要: | 针对复杂场景下目标跟踪算法存在的跟踪目标丢失漂移等问题,提出一种粒子滤波框架下基于卷积神经网络(convolutional neural network,CNN)的目标跟踪算法.该算法采用CNN提取跟踪目标的高层语义特征,并引入离线训练方式,提高训练效率以及特征提取的泛化能力;利用粒子滤波算法框架,实现目标运动状态的有效估计;同时采用长时与短时两种更新策略,并引入困难样本挖掘的在线训练方式,以适应目标外观变化与背景干扰等复杂情况.仿真实验结果表明本文算法能有效适应遮挡、光照、剧烈运动等场景.与多个当前的跟踪算法在公开测试样本下进行了结果比较和分析,验证了本算法在解决跟踪目标丢失漂移等问题上的有效性.
|
关 键 词: | 目标跟踪 卷积神经网络 粒子滤波 |
收稿时间: | 2017-08-28 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《北京理工大学学报》浏览原始摘要信息 |
|
点击此处可从《北京理工大学学报》下载免费的PDF全文 |
|