基于深度学习的多目标视觉实时跟踪算法研究

文中提出一种基于深度学习的目标检测与目标跟踪相结合的多目标视觉跟踪算法。首先,通过YOLOv3模型进行目标检测,以获得准确的目标检测结果;其次,通过目标检测网络模型依次获取跟踪目标在当前视频帧的候选检测框,并记录坐标位置信息,以获取对应的模板图像及除第1帧外的视频中每一帧图像作为待搜索区域图像;将每个模板图像和待搜索区域图像输入到由孪生卷积神经网络构建的目标跟踪网络框架中,框架对输入的目标模板图像和待搜索图像进行特征提取;最后,通过相关方法计算特征间的相似度,根据相似度得分确定目标的位置与尺度,从而实现连续、实时准确的跟踪。探索成果证明,该算法实时性更佳,与传统的多目标跟踪算法相比较,计算量大大降低,跟踪结果更准确,可以实现对多种目标持续和准确的跟踪,对多目标跟踪具有重要的学术价值和参考价值。

资料为PDF文档格式.

本文档关键词:算法,实时,视觉,深度,学习