一种基于CNN的自适应粒子滤波视频目标跟踪方法及系统

摘要

一种基于CNN的自适应粒子滤波视频目标跟踪方法及系统，本发明针对目标跟踪算法在精度和鲁棒性上的要求，提出了将深度学习与模板更新相结合的目标跟踪方案。首先对视频图像进行预处理；然后构建卷积神经网络来学习图像的特征；再经过滤、PCA运算后，把待跟踪目标的特征样本输入到粒子滤波系统；最后粒子群优化粒子滤波进行特征跟踪。实验表明，改进后的算法在具有挑战的跟踪视频序列上实验，具有良好的跟踪精度和鲁棒性，能够应对目标形变、部分遮挡、光照变化等复杂条件。本发明在军事方面包括无人飞行器、精确制导、空中预警、战场监视等；民用方面包括移动机器人、智能视频监控、智能交通系统、人机交互、虚拟现实等上也有较为广阔的应用前景。