期刊专题

10.3969/j.issn.1003-9775.2017.03.008

基于深度稀疏滤波的目标跟踪

引用
为了在复杂环境下更好地区分被跟踪目标和背景,设计了一种基于l2范数归一化和l1范数最小化的深度稀疏滤波模型,通过深度学习获取样本稀疏特征并对其进行分类,将该模型和粒子滤波框架结合,提出一种目标跟踪算法.首先使用离线训练集对深度稀疏滤波模型进行逐层无监督预训练得到权值参数的初始值,然后在跟踪过程中利用标签样本对模型在线更新,通过有监督微调优化其权值参数使得模型能够更好地适应目标外观变化,最后利用训练好的深度稀疏滤波模型对经由粒子滤波算法给出的候选区域进行观测,以确定跟踪目标.在不同视频序列中的实验表明,文中算法在复杂条件下具有良好的跟踪精度和鲁棒性.

目标跟踪、深度学习、稀疏滤波、粒子滤波

29

TP391.41(计算技术、计算机技术)

国家自然科学基金51277091;中国博士后科学基金2013T60637;福建省中青年教师教育科研项目A15415;福州市科技计划重点项目2013-G-86

2017-04-10(万方平台首次上网日期,不代表论文的发表时间)

共10页

459-468

暂无封面信息
查看本期封面目录

计算机辅助设计与图形学学报

1003-9775

11-2925/TP

29

2017,29(3)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn