%0 Journal Article
%T 结合SDAE网络和ODB学习策略的多目标视觉跟踪
%A 孙艳青
%A 潘广贞
%A 王凤
%J 中山大学学报（自然科学版）
%D 2018
%X 摘要 针对目标视觉跟踪过程发生的目标漂移和错误匹配问题，提出一种基于SDAE（stacked DAE，堆叠去噪自编码器）网络和在线Deep Boost学习（Online Deep Boost，ODB）策略的多目标视觉跟踪算法.该方法首先在SDAE网络上通过ODB方法学习目标的局部全局特征.然后根据特征权重结合粒子滤波器和softmax分类器跟踪目标并对其分类，得到目标最相似的状态值.最后引入时间信息得到目标外观的动态持续时间，在线更新模型以适应目标的外观变化.实验表明，该算法能够有效适应目标外观变化，解决目标漂移现象，多目标准确率MOTP达到97.61%，较同类算法提高2.89%，其鲁棒性、稳定性也有所提高
%K SDAE网络
%K 在线Deep Boost学习
%K 计算机视觉
%K 多目标视觉跟踪
%K 外观模型
%U http://xwxt.sict.ac.cn/CN/abstract/abstract4297.shtml