留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

 基于CNN和RNN的像素级视频目标跟踪算法

崔家梁 冯朝晖 李芹 赵红颖

崔家梁, 冯朝晖, 李芹, 赵红颖.  基于CNN和RNN的像素级视频目标跟踪算法[J]. 全球定位系统, 2019, 44(3): 1-6. doi: DOI:10.13442/j.gnss.1008-9268.2019.03.001
引用本文: 崔家梁, 冯朝晖, 李芹, 赵红颖.  基于CNN和RNN的像素级视频目标跟踪算法[J]. 全球定位系统, 2019, 44(3): 1-6. doi: DOI:10.13442/j.gnss.1008-9268.2019.03.001
CUI Jialiang, FENG Zhaohui, LI Qin, ZHAO Hongying. CNN and RNN-based pixel-wise video object tracking algorithm[J]. GNSS World of China, 2019, 44(3): 1-6. doi: DOI:10.13442/j.gnss.1008-9268.2019.03.001
Citation: CUI Jialiang, FENG Zhaohui, LI Qin, ZHAO Hongying. CNN and RNN-based pixel-wise video object tracking algorithm[J]. GNSS World of China, 2019, 44(3): 1-6. doi: DOI:10.13442/j.gnss.1008-9268.2019.03.001

 基于CNN和RNN的像素级视频目标跟踪算法

doi: DOI:10.13442/j.gnss.1008-9268.2019.03.001

CNN and RNN-based pixel-wise video object tracking algorithm

  • 摘要: 影像目标跟踪定位技术是当前计算机视觉领域的研究热点,目标跟踪算法也是现阶段将视频结果用于定位的薄弱环节之一.本文分析了像素级目标跟踪存在的问题,根据深度学习在图像领域的最新研究成果与视频跟踪需求,结合最新的图像分割、卷积神经网络(CNN)、循环神经网络(RNN)和加密解码结构等方法提出了一种像素级视频目标跟踪算法.使用公开数据集实现算法并设计了定量评价指标.实验结果表明该算法具有较强的像素级视频目标跟踪定位能力

     

  • [1] SCHALKOFF R J, MCVEY E S. A model and tracking algorithm for a class of video targets[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1982, 4(1):2.
    [2] KIM C, HWANG J N. Fast and automatic video object segmentation and tracking for content-based applications[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2002, 12(2):122-129.
    [3] RONNEBERGER O, FISCHER P, BROX T. UNet: Convolutional networks for biomedical image segmentation[C]//International Conference on Medical Image Computing and ComputerAssisted Intervention, 2015.
    [4] BADRINARAYANAN V, KENDALL A, CIPOLLA R. SegNet: A deep convolutional encoder-decoder architecture for image segmentation[J].IEEE transactions on pattern analysis and machine intelligence, 2017, 39(12): 2481-2495.
    [5] HUA C, WU H Y, CHEN Q, et al. A pixel-wise object tracking algorithm with target and background sample[C]//International Conference on Pattern Recognition, 2006.
    [6] SONF Y L, LI C, YAO W. Pixel-wise object tracking[J]. CoPR abs/1711.07377 ,2017: 265-283.
    [7] HOCHREITER S, SCHMIDHUBER J. Long shortterm memory[J]. Neural Computation, 1997, 9(8):1735-1780.
    [8] HAN J, MORAGA C. The influence of the sigmoid function parameters on the speed of backpropagation learning[C]//International Workshop on Artificial Neural Networks. Springer, Berlin, Heidelberg, 1995: 195-201.
    [9] VOJIR T, MATAS J. Pixel-wise object segmentations for the VOT2016 dataset[R]. Research Report  CTU-CMP-2017-01, Center for Machine Perception, Czech Technical University, Prague, Czech Republic, 2017.
    [10] ABADI M, BARHAM P, CHEN J, et al. TensorFlow: A system for large-scale machine learning[C]//12th {USENIX} Symposium on Operating Systems Design and Implementation ({OSDI} 16), 2016: 265-283.
  • 加载中
计量
  • 文章访问数:  459
  • HTML全文浏览量:  53
  • PDF下载量:  125
  • 被引次数: 0
出版历程
  • 刊出日期:  2019-06-15

目录

    /

    返回文章
    返回