基于工地场景的深度学习目标跟踪算法
马少雄2,3; 邱实5; 唐颖1; 张晓4
刊名电子学报
2020-09-01
卷号48期号:9页码:1665-1671
关键词工地场景 深度学习 目标跟踪 增强群滤波器 SDAE SVM
ISSN号03722112
DOI10.3969/j.issn.0372-2112.2020.09.001
其他题名Deep Learning Target Tracking Algorithm Based on Construction Site Scene
产权排序3
英文摘要

针对施工现场环境复杂,难以高效管理的问题.提出了基于工地场景的深度学习目标跟踪算法,辅助施工顺利进行.根据工地现场目标的连续性,构建增强群跟踪器,提升目标成功跟踪的概率.然后从滑动窗口、Stacked Denoising Auto Encoder(SDAE)和Support Vector Machine(SVM)三方面组建深度检测器.在滑动窗口方面:从梯度角度建立模型实现窗口自适应.在SDAE算法方面:构建反向算法微调网络参数.优化SVM算法降低跟踪时目标漂移和跟踪失败的概率,最终实现目标高精度跟踪.通过实验表明本文提出的算法可有效对目标进行跟踪,实现动态管理.

语种中文
内容类型期刊论文
源URL[http://ir.opt.ac.cn/handle/181661/93747]  
专题西安光学精密机械研究所_光学影像学习与分析中心
通讯作者邱实
作者单位1.成都理工大学
2.陕西铁路工程职业技术学院
3.基于工地场景的深度学习目标跟踪算法
4.西北大学
5.中国科学院西安光学精密机械研究所中科院光谱成像技术重点实验室
推荐引用方式
GB/T 7714
马少雄,邱实,唐颖,等. 基于工地场景的深度学习目标跟踪算法[J]. 电子学报,2020,48(9):1665-1671.
APA 马少雄,邱实,唐颖,&张晓.(2020).基于工地场景的深度学习目标跟踪算法.电子学报,48(9),1665-1671.
MLA 马少雄,et al."基于工地场景的深度学习目标跟踪算法".电子学报 48.9(2020):1665-1671.
个性服务
查看访问统计
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。


©版权所有 ©2017 CSpace - Powered by CSpace