基于半监督深度学习的目标跟踪算法

摘要

为了解决现有目标跟踪算法在复杂环境下易发生目标漂移的问题,本文提出了基于半监督深度学习的目标跟踪算法.一方面在特征提取环节采用卷积神经网络以学习到更深层次的特征,并克服跟踪中由于特征不能适应背景和目标的复杂变化而导致的目标丢失问题.另一方面在收集训练样本时引入半监督学习策略,将跟踪过程中得到的样本视为无标记样本,结合目标领域的有标记与无标记数据信息,最终通过训练得到更为有效的模型,以得到更精确的目标位置.在复杂环境下对不同图片序列进行的实验表明:与现有的跟踪算法相比,在保证跟踪速度的基础上,本算法有效地解决目标漂移甚至丢失问题,并且在复杂环境下具有更好的鲁棒性及精确度.