针对复杂环境导致目标跟踪性能显著下降的问题,提出基于粒子滤波与度量学习的目标跟踪方法。所提方法首先离线训练可高效获取目标特征的卷积神经网络(CNN);其次,基于核回归度量学习(MLKR)方法构建最小化预测误差的距离度量矩阵优化模型,并利用梯度下降法求解所得模型以获得候选目标最优解;再次,基于最优候选预测值计算重构误差以构建目标观测模型;最后,引入长短时稳定更新策略并基于粒子滤波跟踪框架实现有效跟踪。实验结果表明,复杂环境下所提方法具有较高跟踪精度及较好稳健性。
科研之友
微信
新浪微博
Facebook
分享链接
