电子与信息学报
電子與信息學報
전자여신식학보
JOURNAL OF ELECTRONICS & INFORMATION TECHNOLOGY
2015年
9期
2033-2039
,共7页
李寰宇%毕笃彦%杨源%查宇飞%覃兵%张立朝
李寰宇%畢篤彥%楊源%查宇飛%覃兵%張立朝
리환우%필독언%양원%사우비%담병%장립조
视觉跟踪%深度学习%主成分分析%卷积神经网络%粒子滤波
視覺跟蹤%深度學習%主成分分析%捲積神經網絡%粒子濾波
시각근종%심도학습%주성분분석%권적신경망락%입자려파
Visual tracking%Deep learning%Principal Component Analysis (PCA)%Convolutional neural network%Particle filter
该文针对视觉跟踪中运动目标的鲁棒性跟踪问题,将深度学习引入视觉跟踪领域,提出一种基于多层卷积滤波特征的目标跟踪算法。该算法利用分层学习得到的主成分分析(PCA)特征向量,对原始图像进行多层卷积滤波,从而提取出图像更深层次的抽象表达,然后利用巴氏距离进行特征相似度匹配估计,进而结合粒子滤波算法实现目标跟踪。结果表明,这种多层卷积滤波提取到的特征能够更好地表达目标,所提跟踪算法对光照变化、遮挡、异面旋转、摄像机抖动都具有很好的不变性,对平面内旋转也具有一定的不变性,在具有此类特点的视频序列上表现出非常好的鲁棒性。
該文針對視覺跟蹤中運動目標的魯棒性跟蹤問題,將深度學習引入視覺跟蹤領域,提齣一種基于多層捲積濾波特徵的目標跟蹤算法。該算法利用分層學習得到的主成分分析(PCA)特徵嚮量,對原始圖像進行多層捲積濾波,從而提取齣圖像更深層次的抽象錶達,然後利用巴氏距離進行特徵相似度匹配估計,進而結閤粒子濾波算法實現目標跟蹤。結果錶明,這種多層捲積濾波提取到的特徵能夠更好地錶達目標,所提跟蹤算法對光照變化、遮擋、異麵鏇轉、攝像機抖動都具有很好的不變性,對平麵內鏇轉也具有一定的不變性,在具有此類特點的視頻序列上錶現齣非常好的魯棒性。
해문침대시각근종중운동목표적로봉성근종문제,장심도학습인입시각근종영역,제출일충기우다층권적려파특정적목표근종산법。해산법이용분층학습득도적주성분분석(PCA)특정향량,대원시도상진행다층권적려파,종이제취출도상경심층차적추상표체,연후이용파씨거리진행특정상사도필배고계,진이결합입자려파산법실현목표근종。결과표명,저충다층권적려파제취도적특정능구경호지표체목표,소제근종산법대광조변화、차당、이면선전、섭상궤두동도구유흔호적불변성,대평면내선전야구유일정적불변성,재구유차류특점적시빈서렬상표현출비상호적로봉성。
For the robustness of visual object tracking, a new tracking algorithm based on multi-stage convolution filtering feature is proposed by introducing deep learning into visual tracking. The algorithm uses the Principal Component Analysis (PCA) eigenvectors obtained by stratified learning, to extract the deeper abstract expression of the original image by multi-stage convolutional filtering. Then the Bhattacharyya distance is used to evaluate the similarity among features. Finally, particle filter algorithm is combined to realize target tracking. The result shows that the feature obtained by multi-stage convolution filtering can express target better, the proposed algorithm has a better inflexibility to illumination, covering, rotation, and camera shake, and it exhibits very good robustness in video sequence with such characteristics.