基于卷积神经网络和嵌套网络的目标跟踪算法研究

基于卷积神经网络和嵌套网络的目标跟踪算法研究

ID:35062097

大小:4.83 MB

页数:66页

时间:2019-03-17

基于卷积神经网络和嵌套网络的目标跟踪算法研究_第1页
基于卷积神经网络和嵌套网络的目标跟踪算法研究_第2页
基于卷积神经网络和嵌套网络的目标跟踪算法研究_第3页
基于卷积神经网络和嵌套网络的目标跟踪算法研究_第4页
基于卷积神经网络和嵌套网络的目标跟踪算法研究_第5页
资源描述:

《基于卷积神经网络和嵌套网络的目标跟踪算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学校代码:10385分类号:研究生学号:1300205002密级:基于卷积神经网络和嵌套网络的目标跟踪算法研究AlgorithmStudyonObjectTrackingviaConvolutionalNeuralNetworkandNetworkinNetwork作者姓名:杨向南指导教师:钟必能实践导师:专业学位类别/领域:工程硕士/计算机技术研究方向:计算机视觉所在学院:计算机科学与技术学院论文提交日期:二零一六年六月一日学位论文独创性声明本人声明兹呈交的学位论文是本人在导狩塘导下完成巧研究成果。论文写作中不包含其化人已经发表竟舅写這訪戸究式容,表参考他人或集体的科研成果

2、,均在论文中巧靖的方式说巧。本入化法享有和承担由此论文所产生的权利和责任。?〇^论文作者签名l:令而命签畫5期2i.3:I学位论文版权使用授权声明本人同意授权华侨大学有权保留并向国家轨关凌抚詢送交学位论文的复印件和电子版,允许学位论文被查阔和借巧。本人授权华轿大的全部内容或部分内容编入有关数疆產进学可K将本学位论文行检索レ、缩印或妇描等复制手段保存和汇编本学位论文,可ッ采用影印。论文作者签:私巧指导教师签名:名啼-〇-21(>^3签名日期:户日期:签名fflk^::::摘要摘要在过去的几十年里,目标跟踪算法由于其潜在的巨大研究和实用

3、价值,一直受到计算机视觉领域中国内外同行的极大关注。目标跟踪算法的典型应用包括智能视频监控、自动驾驶车辆、以及人机交互等。给定一个目标物体的初始状态,目标跟踪算法的任务是在随后的视频中估计目标的状态。尽管经过了多年的努力,如何设计鲁棒的目标跟踪算法仍然是一个极具挑战性的问题,因为姿态变化、光照变化、遮挡、复杂的环境、以及移动的背景等都会造成目标表观的变化。传统基于手工设计特征或浅层分类器的目标跟踪算法,由于使用手工设计的底层视觉特征或浅层分类器来构建目标表观模型,因此对目标表观模型的语义信息预测能力有限。针对上述传统目标跟踪算法难以捕获目标表观模型中视觉数据语义信息的缺陷,受到深度卷积网

4、络在图像分类和语音识别等任务中取得巨大成功的启发,本文提出了基于卷积神经网络和嵌套网络的目标跟踪算法,使用深度网络结构,通过学习和迁移中层图像特征表示来构建一个鲁棒的目标表观模型。本文具体内容如下:1)提出一个基于卷积神经网络的目标跟踪算法。传统基于手工设计特征的目标跟踪算法难以提取目标的语义信息,对于目标表观的剧烈变化没有很强的鲁棒性。不同于手工设计特征的方法,基于卷积神经网络的目标跟踪算法使用一种数据驱动的方式自动地学习更具判别性的特征,能够提取更加抽象的语义信息。语义信息使得算法对于目标的表观变化具有一定的鲁棒性,可以在一定程度上缓解漂移问题。该算法有效地将基于卷积神经网络的目标表

5、观模型与粒子滤波框架结合起来。实验表明基于卷积神经网络的目标跟踪算法能够取得不错的跟踪效果。2)提出一个基于嵌套网络的目标跟踪算法。嵌套网络被用来构建目标表观模型,因为其可以出色地自动学习到深度层次特征。在本算法中,将目标跟踪看成是一种在线迁移学习过程,首先在源域任务中预训练嵌套网络,然后将由预训练得到的嵌套网络中间层参数迁移到具体的跟踪任务中。这个简单却有效的迁移方法使得基于嵌套网络的跟踪算法能够很好地解决训练中域改变的问题。同时为了缓解漂移问题,设计出了一种同时利用初始帧真实标注样本和在I华侨大学硕士学位论文线获得的样本更新目标表观模型的方法。在实验中可以看出,基于嵌套网络的目标跟踪

6、算法能够达到较为精确的跟踪效果。关键词:目标跟踪卷积神经网络嵌套网络目标表观模型IIAbstractAbstractObjecttrackingalgorithmshavegainedagreatdealofattentioninthecomputervisioncommunityoverthepastdecadeduetotheirpotentialvaluebothintheoreticalchallengesaswellasinpracticalapplications,includingintelligencevideosurveillance,self-drivingvehic

7、les,humancomputerinteractionandsoon.Giventheinitializedobjectstates,thetaskofobjecttrackingalgorithmsistoestimatetheincomingobjectstatesinsubsequentframes.Despitemuchprogresshasbeenmadeinrecentyears,designingrobustobje

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。