資源描述：
《基于深度學(xué)習(xí)的多目標(biāo)跟蹤算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、ZTETECHNOLOGYJOURNAL專(zhuān)題陸平等基于深度學(xué)習(xí)的多目標(biāo)跟蹤算法研究DOI：10.3969/j.issn.1009-6868.2017.04.003網(wǎng)絡(luò)出版地址：http://kns.cnki.net/kcms/detail/34.1228.TN.20170706.1632.008.html基于深度學(xué)習(xí)的多目標(biāo)跟蹤算法研究MultipleObjectTrackingAlgorithmBasedonDeepLearning中圖分類(lèi)號(hào)：TN929.5文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1009-6868(2017)04-0014-006
2、陸平/LUPing鄧碩/DENGShuo摘要：提出了一種基于深度學(xué)習(xí)的多目標(biāo)跟蹤算法。首先，通過(guò)GoogLeNet+長(zhǎng)短李偉華/LIWeihua期記憶網(wǎng)絡(luò)（LSTM）模型進(jìn)行目標(biāo)檢測(cè)，以獲得準(zhǔn)確的目標(biāo)檢測(cè)結(jié)果；其次，直接根據(jù)目標(biāo)檢測(cè)的特征圖對(duì)檢測(cè)目標(biāo)進(jìn)行深度特征的提取，深度特征相比于傳統(tǒng)特征可（中興通訊股份有限公司，廣東深圳518052）以更準(zhǔn)確地反映檢測(cè)目標(biāo)的外觀特征，因此可以有效提高跟蹤的準(zhǔn)確性。此外，還(ZTECorporation,Shenzhen518052,在傳統(tǒng)數(shù)據(jù)驅(qū)動(dòng)馬爾科夫蒙特卡洛（DDMCMC）算法的基礎(chǔ)上，提出了
3、層次的數(shù)據(jù)China)驅(qū)動(dòng)馬爾科夫蒙特卡洛（HDDMCMC）算法，可以進(jìn)一步提高多目標(biāo)跟蹤的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果證明了所提出算法的有效性。關(guān)鍵詞：多目標(biāo)跟蹤；深度學(xué)習(xí)；目標(biāo)檢測(cè)；MCMC算法Abstract:Inthispaper,amulti-targettrackingalgorithmbasedondeeplearningisproposed.Firstly,GoogLeNet+longshort-termmemory(LSTM)modelisusedto從深度學(xué)習(xí)技術(shù)出現(xiàn)以來(lái)，計(jì)obtainaccurateobjectdetect
4、ionresults.Secondly,thefeaturemapofobject自detectionisdirectlyusedtoextractthedeepfeaturefortracking.Comparedwiththe算機(jī)視覺(jué)領(lǐng)域得到了快速發(fā)traditionalfeature,thedeepfeaturecanreflecttheappearanceofobjectsmore展，深度學(xué)習(xí)技術(shù)最先用于圖像分類(lèi)accurately,whichcouldimprovethetrackingaccuracyeffectively
5、.What'smore,問(wèn)題。近年來(lái)，基于深度學(xué)習(xí)的多目basedonthetraditionalDataDrivenMarkovChainMonteCarlo(DDMCMC)標(biāo)跟蹤算法也取得了一定的突破。algorithm,theHierarchicalDataDrivenMarkovChainMonteCarlo(HDDMCMC)多目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)algorithmisproposedtofurtherimprovethetrackingaccuracy.Theexperimentresultsprovetheeffe
6、ctivenessofouralgorithm.非常具有挑戰(zhàn)性的研究方向，且有著十分廣泛的現(xiàn)實(shí)應(yīng)用場(chǎng)景，例如：智Keywords:multipleobjecttracking;deeplearning;objectdetection;MCMCalgorithm能視頻監(jiān)測(cè)控制、異常行為分析、移動(dòng)機(jī)器人研究等。傳統(tǒng)的多目標(biāo)跟蹤算法往往由于目標(biāo)檢測(cè)效果較差，導(dǎo)致跟蹤效果不佳；而基于深度學(xué)習(xí)的檢測(cè)器可以獲得較好的目標(biāo)檢測(cè)效果，進(jìn)而提高目標(biāo)跟蹤的準(zhǔn)確度。（MCMC）算法的多目標(biāo)跟蹤算法的計(jì)算當(dāng)前的后驗(yàn)概率大小，然后在迭因此，文章中我們著重研究了
7、基基礎(chǔ)上，提出了層次的數(shù)據(jù)驅(qū)動(dòng)馬爾代過(guò)程中不斷進(jìn)行不同狀態(tài)之間的于深度學(xué)習(xí)的多目標(biāo)跟蹤算法。首科夫蒙特卡洛（HDDMCMC）算法。轉(zhuǎn)移來(lái)進(jìn)行尋找全局最優(yōu)結(jié)果。先通過(guò)GoogLeNet[1]+長(zhǎng)短期記憶網(wǎng)絡(luò)Tang等人提出了一種基于圖分（LSTM）[2]模型進(jìn)行目標(biāo)檢測(cè)，以獲得1基于深度學(xué)習(xí)的多目標(biāo)割的多目標(biāo)跟蹤算法[5]，通過(guò)在時(shí)間準(zhǔn)確的目標(biāo)檢測(cè)結(jié)果。在此基礎(chǔ)上，跟蹤算法的研究現(xiàn)狀和空間上對(duì)邊界框進(jìn)行聚類(lèi)來(lái)進(jìn)行提出了直接根據(jù)目標(biāo)檢測(cè)的特征圖軌跡匹配。Tang等人在用該算法解對(duì)檢測(cè)目標(biāo)進(jìn)行深度特征的提取的1.1傳統(tǒng)多目標(biāo)跟蹤算法決軌跡匹
8、配這一最優(yōu)化問(wèn)題時(shí)，提出方法，深度特征相比于尺度不變特征MCMC算法是一種經(jīng)典的多目標(biāo)了一種基于KL（Kernighan-Lin）算法變換（SIFT）[3]等傳統(tǒng)特征可以更準(zhǔn)確跟蹤算法，Yu等人在MCMC算法的基的近似解
