基于深度学习的行人跟踪研究

沈阳理工大学信息科学与工程学院 中国科学院沈阳自动化研究所机器人学国家重点实验室 秦丽娟

沈阳理工大学信息科学与工程学院 蒋玉玲

在计算机视觉的领域中，深度学习的技术应用得越来越广泛，基于深度学习行人跟踪在计算机视觉领域中具有重要的研究价值。近年来，大量的研究在基于孪生神经网络在目标跟踪领域的研究成为重点。

1 相关介绍

在科研领域中，计算机视觉是其研究的重点领域，随着科学的进步，计算机视觉追踪被应用非常广泛，如企业、军事和自动驾驶等对目标的准确追踪有越来越高的要求。近几年，目标跟踪算法是根据相关的滤波框架进行应用，手动提取的目标的物体的特点和在频域中计算，然后得出相应的响应图，得到最大的频域响应值处作为预测的目标出行人的位置，目标跟踪算法的帧率较高、稳定性强。随着深度学习的发展，手工特征逐渐被相关滤波代替，有的跟踪算法使用深度学习中端到端的框架进行目标行人的跟踪。在对目标进行跟踪的过程中，跟踪算法能够提炼出图像中的完整信息，较大幅度的增加了跟踪算法的成功率和准确率。

在对目标行人进行跟踪的过程中，由于光线的变化，被行人或者物体遮挡等影响，所以需要对目标行人的位置进行准确的预测，来对目标行人进行跟踪。本文采用SiamFc孪生网络搭建出的目标跟踪框架，采用相似性判别网络，并在视频帧搜索的区域中找出和目标行人最为相符的位置，来对行人进行位置进行预测跟踪。……