论文摘要
目标跟踪是利用一个视频或图像序列的上下文信息,对目标的外观和运动信息进行建模,从而对目标运动状态进行预测并标定目标位置的一种技术,是计算机视觉的一个重要基础问题,具有重要的理论研究意义和应用价值,在智能视频监控系统、智能人机交互、智能交通和视觉导航系统等方面具有广泛应用。大数据时代的到来及深度学习方法的出现,为目标跟踪的研究提供了新的契机。本文首先阐述了目标跟踪的基本研究框架,从观测模型的角度对现有目标跟踪的历史进行回顾,指出深度学习为获得更为鲁棒的观测模型提供了可能;进而从深度判别模型、深度生成式模型等方面介绍了适用于目标跟踪的深度学习方法;从网络结构、功能划分和网络训练等几个角度对目前的深度目标跟踪方法进行分类并深入地阐述和分析了当前的深度目标跟踪方法;然后,补充介绍了其他一些深度目标跟踪方法,包括基于分类与回归融合的深度目标跟踪方法、基于强化学习的深度目标跟踪方法、基于集成学习的深度目标跟踪方法和基于元学习的深度目标跟踪方法等;之后,介绍了目前主要的适用于深度目标跟踪的数据库及其评测方法;接下来从移动端跟踪系统,基于检测与跟踪的系统等方面深入分析与总结了目标跟踪中的最新具体应用情况,最后对深度学习方法在目标跟踪中存在的训练数据不足、实时跟踪和长程跟踪等问题进行分析,并对未来的发展方向进行了展望。
论文目录
文章来源
类型: 期刊论文
作者: 李玺,查宇飞,张天柱,崔振,左旺孟,侯志强,卢湖川,王菡子
关键词: 视觉目标跟踪,深度神经网络,相关滤波器,深度孪生网络,强化学习,生成对抗网络
来源: 中国图象图形学报 2019年12期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用
单位: 浙江大学计算机科学与技术学院,西北工业大学计算机学院,中国科学院自动化研究所,南京理工大学计算机科学与工程学院,哈尔滨工业大学计算机科学与技术学院,西安邮电大学计算机学院,大连理工大学信息与通信工程学院,厦门大学信息科学与技术学院
基金: 国家自然科学基金项目(U1605252,61872307,61773397)~~
分类号: TP391.41
页码: 2057-2080
总页数: 24
文件大小: 3487K
下载量: 3052