基于稀疏约束深度学习的交通目标跟踪-中国公路学报.PDF

第 卷 第 期 中 国 公 路 学 报 年 月 文章编号 基于稀疏约束深度学习的交通目标跟踪 杨红红曲仕茹 西北工业大学 自动化学院陕西 西安 摘要针对车辆视觉跟踪过程中普遍存在背景复杂光线变化尺度旋转等干扰而现有跟踪算法抗 扰动能力差鲁棒性低的问题构造了一种基于稀疏约束及深度学习的车辆目标跟踪算法采用去 噪自编码神经网络对包含正负样本的训练集进行特征提取在正向传播过程中对隐层进行稀疏约 束反向传播微调阶段对连接矩阵进行权值衰减的稀疏调整增加神经网络的鲁棒性实现神经网 络不同隐层特征的高效提取将网络的输出作为 分类器的输入学习获得车辆分类器并 采用粒子滤波在线跟踪目标试验结果表明对连接矩阵和隐层进行稀疏约束的去噪自编码神经 网络具有较高的跟踪精度和较强的跟踪鲁棒性在场景光照剧烈变化车辆发生遮挡三维旋转尺 度变化及快速移动时都能进行较好的跟踪平均中心位置误差远小于对比方法仅为 像素而 增量式学习 跟踪在线自适应增强 跟踪多示例学习 跟踪算法的平均中心 位置误差分别为 像素 像素和 像素该方法的平均重叠率达 较 跟 踪 跟踪和 跟踪算法分别提高 满足智能交通监控的实际需求 关键词交通工程智能交通深度学习稀疏约束权值衰减目标跟踪 中图分类号 文献标志码