基于卷積神經網絡的運動目標跟蹤研究.pdf

1、隨著信息時代的來臨，運動目標跟蹤成為計算機視覺領域的一個熱點，在眾多領域內具有廣泛的應用價值。盡管已經提出眾多運動目標跟蹤算法，但是在實際跟蹤過程中還是面臨著許多困難，比如光照變化、遮擋、運動模糊、尺度變化、自身的變化等問題。因此，目標跟蹤技術的發(fā)展仍然富有挑戰(zhàn)性。深度學習理論和方法的出現為目標跟蹤的研究提供了新的機遇，也是本文開展運動目標跟蹤算法研究的主要理論框架。本文的主要內容如下：
　　(1)研究了運動目標跟蹤技術的基礎知識

2、。從目標跟蹤的表示方法入手，了解目標跟蹤的分類的基本知識和傳統特征提取方法。
　　(2)研究了卷積神經網絡的基礎理論。首先，在分析人工神經網絡結構的基礎上，介紹了卷積神經網絡的結構特點、訓練過程。其次，介紹了卷積神經網絡特征提取的過程，對比傳統特征提取和BP特征提取方法，效果明顯優(yōu)于這兩種特征提取方法。
　　(3)提出一種基于卷積神經網絡的運動目標跟蹤改進算法?；诰矸e神經網絡的運動目標跟蹤算法是一種集深度特征提取、粒子濾波