深度神经网络在目标跟踪算法中的应用与最新研究进展

小型微型计算机系统

Journal of Chinese Computer Systems 2018年2月第2期Vol.39No.22018 收稿日期:2016-12-29 收修改稿日期:2017-03-02 基金项目:华侨大学研究生科研创新能力培育计划项目(1511314020)资助;国家自然科学基金面上项目(61572205,61673185,61370006,61673186)资助;福建省自然科学基金项目(2015J 01257)资助;华侨大学科技创新能力提升计划中青年教师科技创新资助计划项目(ZQN -PY 210)资助. 作者简介:欧阳谷,男,1993年生,硕士研究生,研究方向为深度学习与目标跟踪;钟必能(通信作者),男,1981年生,博士,副教授,CCF 会员,研究方向为计算机视觉二模式识别与目标跟踪;白冰,男,1991年生,硕士研究生,研究方向为计算机视觉与目标跟踪;柳欣,男,1982年生,博士,副教授,CCF 会员,研究方向为生物特征识别与机器学习;王靖,男,1981年生,博士,教授,CCF 会员,研究方向为流形学习与推荐系统等;杜吉祥,男,1977年生,博士,教授,CCF 会员,研究方向为模式识别与图像处理等.深度神经网络在目标跟踪算法中的应用与最新研究进展

欧阳谷1,2,钟必能1,2,白冰1,2,柳欣1,2,王靖1,2,杜吉祥1,2

(华侨大学计算机科学与技术学院,福建厦门361021)

2(华侨大学计算机视觉与模式识别重点实验室,福建厦门361021)

E-mail :bnzhong @https://www.360docs.net/doc/e91775020.html, 摘要:视频目标跟踪是计算机视觉领域一个重要的研究方向,在公共交通二无人机二军事目标定位等诸多领域有着很重要的实际应用价值.传统的跟踪器算法在应对现实中的复杂场景具有很大瓶颈,伴随着大数据时代的到来,深度学习技术凭借着强大的特征自学习能力在图像分类二目标检测等计算机视觉领域掀起了研究热潮,同时也为目标跟踪领域的研究提供新的思路.基于各种深度神经网络模型的跟踪算法已经开始应用在目标跟踪问题中,并且在性能上取得了良好的效果.本文首先简要回顾了的传统目标跟踪算法的相关工作流程,其次,重点阐述了深度学习技术在目标跟踪领域中的应用特点,并同时对算法进行分类讨论.最后,总结了深度学习在目标跟踪领域的技术难点与未来的发展趋势.

关键词:目标跟踪;深度学习;神经网络;视频处理

中图分类号:TP 399 文献标识码:A 文章编号:1000-1220(2018)02-0315-09

Recent Research Advances and Application of Object Tacking Algorithm Based on Deep Neu-ral Network

OUYANG Gu 1,2,ZHONG Bi-neng 1,2,BAI Bing 1,2,LIU Xin 1,2,WANG Jing 1,2,DU Ji-xiang 1,21

(College of Computer Science and Technology ,Huaqiao University ,Xiamen 361021,China )

2(Key Lab of Pattern Recognition and Computer Vision ,Huaqiao University ,Xiamen 361021,China )

Abstract :Video object tracking is the significant research fields of computer vision ,with wide application and real value in many ways such as public transport 二unmanned aerial vehicle (UAV )and military target location.In a real and complex scenario ,traditional object tracking algorithms are challenged by a variety of difficulties.With the advent of the era of big data ,deep learning has strong charac-teristics of adaptive learning ability so that became a vigorous a research campaign in the fields of image classification 二object detec-tion ,meanwhile ,provide the enlightenment for the object tracking.All kinds of tracking algorithms based on deep learning has been implemented in object tracking task ,and achieved good performance.This paper first reviews the workflow of the traditional object tracking algorithm.Secondly ,we expounds the principal distinguishing characteristics of the deep learning technology applicate in tracking field and classifying the recently algorithm based on deep learning.Finally ,we discuss the technical difficulties and future de-velopment trend.Key words :object tracking ;deep learning ;neural network ;video processing

1 引言

视频目标跟踪技术已经广泛用于智能交通二人机交互二车

辆导航二军事目标定位等领域,具有很强的实用价值,是计算

机视觉领域中的一个热点研究课题,它具有多学科交叉性二重

要的理论性二广泛的实用性等特点.虽然近些年目标跟踪研究

取得了很大进展,但是在现实的跟踪场景中,由于目标的不定

向运动和摄像机成像条件的复杂多样性等因素导致的目标自

身的变化(非刚性物体形变二尺度变化二姿态变化等)和外部

环境因素(遮挡二光照变化二背景混杂等)的干扰,使得构建一个鲁棒的目标跟踪系统有效地处理上述各种复杂变化,依旧是个巨大的挑战.目标跟踪可以简单定义为:给定视频帧中第一帧的目标状态(位置,方向等),来对随后帧的目标状态进行估计[1,2].一般来说,目标跟踪技术的研究主要是为了获得目标的运动轨迹和运动参数,从而对后续的视频内容进行语义上的理解(如:目标识别二行为分析二场景理解等)提供可靠的数据基础.根据不同情况,如跟踪目标数量,摄像机数量,摄像机是否运动等,视频目标跟踪问题可以分为很多类型,典型的有:单目标跟踪与多目标跟踪,单摄像机跟踪与多摄像机跟踪,固定

摄像机跟踪与运动摄像机跟踪等[3].本文中我们主要关注于

万方数据