基于動態(tài)背景下的運動目標檢測與跟蹤技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、目標檢測與跟蹤是計算機視覺領(lǐng)域中一個熱點課題,在交通情況監(jiān)控、室內(nèi)安全防護、公共安全預警等領(lǐng)域的應用極其廣泛,該課題研究需要結(jié)合圖像處理和模式識別相關(guān)知識。傳統(tǒng)的檢測與跟蹤算法使用人工特征提取方法獲取目標特征,但是由于實際應用中存在背景環(huán)境的復雜多變以及動態(tài)背景情況,上述算法存在諸多不足,極大限制了應用范圍。
  本文基于國內(nèi)外目標檢測與跟蹤領(lǐng)域的研究現(xiàn)狀,總結(jié)了目標檢測與跟蹤算法框架模型,針對傳統(tǒng)目標檢測與跟蹤算法準確率低、魯棒

2、性較差的缺點,提出了一種基于深度神經(jīng)網(wǎng)絡的目標檢測與跟蹤方法。同時為了解決現(xiàn)有卷積神經(jīng)網(wǎng)絡目標檢測與跟蹤算法存在網(wǎng)絡模型過于復雜以及訓練時間長的缺陷,本文利用卷積神經(jīng)網(wǎng)絡和自編碼神經(jīng)網(wǎng)絡,將目標檢測和跟蹤任務分為相互聯(lián)系的兩大步驟:
  (1)前景目標區(qū)域提取。
  (2)前景目標識別與分類。在前景目標區(qū)域提取過程中,本文基于自編碼神經(jīng)網(wǎng)絡提出一種目標區(qū)域提取網(wǎng)絡,通過上述網(wǎng)絡結(jié)構(gòu)對視頻序列中的每幀圖像中的前景目標進行分割,

3、得到一系列比較寬泛的前景目標區(qū)域。
  而在前景目標識別與分類階段,本文基于卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)和空間金字塔采樣方法提出一種目標檢測與跟蹤方法,對(1)步驟中提取的目標區(qū)域利用已經(jīng)訓練好的網(wǎng)絡模型進行分類識別,將目標檢測與跟蹤任務轉(zhuǎn)換為目標分類識別任務,最終得到輸入圖像數(shù)據(jù)的前景目標的檢測與跟蹤結(jié)果。
  為了驗證本文所述算法的可行性和算法性能,本文使用斯坦福大學SBD數(shù)據(jù)集以及部分互聯(lián)網(wǎng)數(shù)據(jù)作為訓練數(shù)據(jù)集和測試數(shù)據(jù)集,通過人工

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論