结合SDAE网络和ODB学习策略的多目标视觉跟踪

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