-
题名基于深度学习物体检测的视觉跟踪方法
被引量：16
- 1
-
-
作者
唐聪
凌永顺
杨华
杨星
郑超
-
机构
国防科技大学
脉冲功率激光技术国家重点实验室
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2018年第5期139-149,共11页
-
基金
国家自然科学基金(61405248
61503394)
安徽省自然科学基金(1708085MF137)
-
文摘
提出了一种基于深度学习物体检测的视觉跟踪方法。该方法利用深度学习在特征表达上的优势,采用基于回归的深度检测模型SSD(Single Shot Multibox Detector)提取候选目标,并结合颜色直方图特征和HOG(Histogram of Oriented Gradient)特征进行目标筛选,实现目标跟踪。为了提升深度检测模型的物体检测性能,文中构建了多尺度目标搜索图,可在一张图上实现不同尺度的目标检测。在标准跟踪测试库上选取八个具有代表性的跟踪视频序列,并选取六种具有代表性的跟踪方法进行了对比测试。结果表明,文中所提方法在跟踪效果上,整体优于参与对比的其他算法,且对于物体姿态变化、尺寸变化、旋转变化、光照变化、复杂背景杂波等影响因素具有较好的鲁棒性。
-
关键词
视觉跟踪
深度学习
SSD
非在线更新
-
Keywords
visual tracking
deep learning
SSD
non-online updating
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
