基于时空背景学习神经网络的视频目标跟踪
要视频目标跟踪是计算机视觉重要的研究课题,在视频监控、人机交互等方面有广泛应用前景.本文提出了一种新颖的基于在线神经网络的视频目标跟踪框架.我们采用卷积神经网络作为特征提取网络,与一般的卷积神经网络不同的是,本文所设计的网络采用非固定大小的卷积核,可以获取更加丰富的视频目标外观信息;同时引入背景学习方法,将目标与其局部时空背景统一作为特征图像进行整体处理,从而可以使神经网络更好地挖掘视频序列之间的时空联系.通过RBF神经网络作为位置预测网络,并利用RBF核来记忆学习到的局部时空背景特征,通过在线更新来适应物体外观及周边局部背景的变化.在本文的框架中不需要进行耗时的密集采样,使得跟踪算法具备较高的实时性.在通用的测试平台上具有挑战性的测试视频上运行的实验结果表明,本算法可以有效、稳定运行,并保持高的成功率和运行精度.
视频图像 目标跟踪 卷积神经网络 背景学习
管皓 薛向阳
复旦大学计算机学院上海市智能信息处理实验室,上海200433
国内会议
葫芦岛
中文
115-120
2015-09-11（万方平台首次上网日期，不代表论文的发表时间）