科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于运动目标变形、无规律运动等特性,现有跟踪方法在进行动态目标实时检测与分割时存在着较大困难,自适应跟踪精度较低。针对复杂背景下视频目标稳健跟踪问题,提出了一种融合深度学习和时空预测的鲁棒单目标跟踪方法。在传统基于SiamMask网络的深度学习框架内引入兴趣区域检测方法,提升动态目标的在线检测与分割精度;在跟踪系统中融入时空上下文目标跟踪算法,根据目标时空关系的在线学习,预测新的目标位置并对SiamMask模型进行算法校正,实现视频序列中的目标快速识别与跟踪,较好地改善了环境干扰、目标遮挡等复杂环境对跟踪精度的影响。验证结果表明,与传统方法相比,所提方法在精准度和鲁棒性方面有着较大提高,并且能保持较高的实时性。
-
单位华南理工大学; 江苏海事职业技术学院
