基于深度学习的双阈值图像局部分块视觉跟踪

摘要

现有的图像跟踪方法直接对图像像素级特征展开建模,未考虑图像内部深层视觉特征信息,导致其难以准确描述轮廓信息,致使跟踪效果较差.为解决上述问题,基于深度学习设计了新的双阈值图像局部分块视觉跟踪方法.以深度卷积神经网络为基础构建PigNet网络,检测图像分辨率与位置信息.然后通过PLSA算法估计分割区域类别,筛选出候选区域,并获得双阈值空间信息.继而利用EM算法在贝叶斯算法基础上更新高斯模型参数,获得最优模型参数和最大后验概率,从而实现视觉跟踪.实验结果表明,上述方法在双阈值图像局部分块视觉跟踪方面误差更小,证明新方法的实用性能较强.