基于深度稀疏滤波的目标跟踪

摘要：

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.

关键词：目标跟踪、深度学习、稀疏滤波、粒子滤波

所属期刊栏目：29

分类号：TP391.41(计算技术、计算机技术)

资助基金：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

在线出版日期：2017-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：459-468