基于深度學(xué)習(xí)的視頻跟蹤技術(shù)研究.pdf

1、如今，作為智能監(jiān)控的關(guān)鍵技術(shù)，視頻跟蹤受到了越來越多的學(xué)者和企業(yè)的關(guān)注。視頻跟蹤是計(jì)算機(jī)視覺領(lǐng)域的核心課題之一，融合了圖像處理、模式識(shí)別、計(jì)算機(jī)控制以及人工智能等領(lǐng)域中的先進(jìn)技術(shù)和核心思想。其在視頻序列初始幀時(shí)自動(dòng)或手動(dòng)標(biāo)記目標(biāo)，獲取相關(guān)信息，在后續(xù)幀中對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行實(shí)時(shí)和精確的跟蹤。然而，現(xiàn)實(shí)場(chǎng)景的復(fù)雜，如遮擋、形變、光照變化等給視頻跟蹤技術(shù)帶來了很大的困難和挑戰(zhàn)。
　　經(jīng)過多年的發(fā)展，學(xué)者們提出了許多有效的視頻跟蹤算法，在一定

2、程度上解決了復(fù)雜場(chǎng)景的問題。但傳統(tǒng)的視頻跟蹤算法是基于人工提取的特征，大部分只針對(duì)特定的目標(biāo)和場(chǎng)景，泛化能力差，魯棒性不強(qiáng)，無法滿足智能監(jiān)控的要求。而深度學(xué)習(xí)的引入大大促進(jìn)了視頻跟蹤技術(shù)的發(fā)展。本文在研究主流視頻跟蹤技術(shù)和深度學(xué)習(xí)原理及其應(yīng)用的基礎(chǔ)上，分析了各算法在不同場(chǎng)景下的表現(xiàn)效果，針對(duì)基于深度學(xué)習(xí)的視頻跟蹤技術(shù)進(jìn)行了深入的研究，比較了目前該領(lǐng)域各算法的優(yōu)缺點(diǎn)，并結(jié)合主流的視頻跟蹤框架，提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的視頻跟蹤方法。