论文部分内容阅读
在复杂场景下,研究鲁棒跟踪的新方法受到当前学者的青睐。大多技术关注跟踪目标的表象学习,然而,本文强调复杂场景下的特征学习来实现跨摄像头目标跟踪新技术。本文提出在复杂场景下对感兴趣目标进行鲁棒跟踪的方法,我们使用深度学习模型——限制波尔兹曼机(RBM)来实现这个具有挑战性难题。受迁移可视化先验知识的影响,该跟踪方法分为两个部分:在线训练和离线跟踪。同时,本文提出了HVS算子来实现跨摄像头下行人的跟踪。在一些流行的基准视频上,我们提出的算法和当前主流的跟踪算法做对比,该算法表现出更好的准确性。