|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要：该文针对视觉跟踪中运动目标的鲁棒性跟踪问题，基于主成分分析(PCA)和卷积神经网络(CNN)，提出一
; \% _) A& z* F- g! E种易于初始化的类 CNN 提取深度特征的视觉跟踪算法。该算法首先利用仿射变换对原始图像进行处理，然后对归* J, Z- d. S5 J3 b3 h$ V
一化尺寸的图像进行分层 PCA 学习，将学习得到的 PCA 特征向量作为 CNN 结构中的各阶滤波器，完成特征提. F2 a( @ W. I0 n9 q7 m
取网络的初始化，再利用特征提取网络获取目标的深层次表达。最后结合粒子滤波，利用一个简单的逻辑回归分类
2 \/ X1 T# q( O6 _6 l器通过分类估计实现目标跟踪。结果表明，利用这种易于初始化的 CNN 提取到的深度特征能够有效地区分目标和
7 |6 E0 I5 G1 N$ L& j背景，具有很好的可区分性，提出的视觉跟踪算法对光照变化、尺度变化、遮挡、旋转和摄像机抖动等都具有良好
S7 w$ R! v& ~* ]! Y的适应性，在许多视频序列上表现出了较好的鲁棒性和准确性。, _7 n! B* _ M5 X
关键词：视觉跟踪；深度学习；特征提取；卷积神经网络；主成分分析；仿射变换
: R- g5 K4 {/ o9 G. g& R: j, Z, j1 引言
/ W% _( @6 Z2 C: G5 |( X: W2 u. p; ~视觉跟踪是计算机视觉领域一个非常重要的研' ~6 F* F6 W$ d! h4 l# W
究方向，该技术在无人机、机器人、智能监控等诸. O9 ^# b9 \) V' ^
多军民领域有着极为广泛的应用。多年来，学者们
3 X' {% ?; v! [$ V/ s
9 }/ y* r' b0 L+ ^2 V. Y! D
6 F6 O! S; f/ }9 d8 @5 j6 E4 Z& ?- _1 y5 H
( j) o$ `) {9 W; O C% Z
( c0 u" B% W4 _. A
( N6 ?1 |( m9 D0 {
9 `$ |0 u2 S- Y. Y @7 N) |: t! q
附件下载：/ j4 \, r$ c+ t% ?# ?) x
, A' K: S! H6 [ |
|
/1 
发表于 2020-10-29 14:26
收藏
淘帖
支持！
反对！