運(yùn)動(dòng)目標(biāo)跟蹤檢測(cè)與識(shí)別關(guān)鍵算法的研究與實(shí)現(xiàn).pdf

1、計(jì)算機(jī)視覺(jué)技術(shù)是一門使用攝像機(jī)、電腦、采集器等設(shè)備代替人眼來(lái)對(duì)目標(biāo)進(jìn)行測(cè)量、跟蹤和識(shí)別，并對(duì)目標(biāo)做處理和分析的人工智能技術(shù)。隨著社會(huì)與科學(xué)的發(fā)展，對(duì)視頻目標(biāo)的跟蹤、檢測(cè)和識(shí)別技術(shù)的研究已成為當(dāng)今人工智能學(xué)界的研究熱點(diǎn);對(duì)卷積神經(jīng)網(wǎng)絡(luò)運(yùn)用的探索，成功的將視頻圖像處理技術(shù)領(lǐng)入深度學(xué)習(xí)領(lǐng)域。然而常見(jiàn)的基于深度學(xué)習(xí)的目標(biāo)識(shí)別、檢測(cè)算法都是針對(duì)單標(biāo)簽?zāi)繕?biāo)的識(shí)別，僅通過(guò)一個(gè)角度對(duì)目標(biāo)特征進(jìn)行描述，這與現(xiàn)實(shí)生活中的事物總含有多方面意義的事實(shí)相抵觸。因

2、此，本文深入分析、研究了近幾年來(lái)深度學(xué)習(xí)領(lǐng)域中目標(biāo)跟蹤、檢測(cè)和識(shí)別方面的主要成果，進(jìn)行綜合和改進(jìn)，提出了一種運(yùn)動(dòng)目標(biāo)的多標(biāo)簽綜合識(shí)別算法。
　　本文首先分析、研究了卷積神經(jīng)網(wǎng)絡(luò)的基本原理以及CNN在圖像特征提取方面的有效性和優(yōu)越性，并以CNN為基礎(chǔ)構(gòu)建了目標(biāo)外形識(shí)別網(wǎng)絡(luò)。同時(shí)深入研究了深度學(xué)習(xí)領(lǐng)域中循環(huán)神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短時(shí)間記憶網(wǎng)絡(luò)的原理，以及LSTM網(wǎng)絡(luò)對(duì)RNN的優(yōu)勢(shì)所在，結(jié)合LSTM網(wǎng)絡(luò)學(xué)習(xí)時(shí)間上長(zhǎng)期記憶信息的能力和CNN提取圖像

3、目標(biāo)特征的優(yōu)勢(shì)，實(shí)現(xiàn)了基于LRCN的目標(biāo)行為識(shí)別算法。此后，本文深入研究了TLD目標(biāo)跟蹤算法的相關(guān)內(nèi)容，依靠CNN的特征提取能力，使用CNN作為算法的檢測(cè)器部分，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的TLD目標(biāo)跟蹤算法，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該算法的有效性和魯棒性。
　　本文最后分析、總結(jié)了CNN、LSTM模型、TLD跟蹤算法以及Softmax分類器的研究成果，結(jié)合多標(biāo)簽學(xué)習(xí)的相關(guān)內(nèi)容，提出了運(yùn)動(dòng)目標(biāo)的多標(biāo)簽綜合識(shí)別算法，該算法能從目標(biāo)外觀和目標(biāo)行