Resumen

El seguimiento de objetos ha sido una de las lneas de investigacin ms activas en el campo de la visin por ordenador. En este trabajo, se propone un algoritmo de seguimiento de un solo objeto basado en la fusin de caractersticas espaciotemporales en dos pasos, que combina la deteccin de aprendizaje profundo con el algoritmo de seguimiento de filtrado de correlacin kernelizado (KCF). Se adopta la deteccin de aprendizaje profundo para obtener informacin ms precisa sobre la posicin espacial y la escala y reducir el error acumulativo. Adems, se adopta el algoritmo KCF mejorado para rastrear y calcular la correlacin de informacin temporal de las caractersticas de gradiente entre los fotogramas de vdeo, con el fin de reducir la probabilidad de deteccin perdida y garantizar la velocidad de ejecucin. En el proceso de seguimiento, la informacin espaciotemporal se fusiona mediante el anlisis de caractersticas. Un gran nmero de resultados experimentales muestran que nuestro algoritmo propuesto tiene ms rendimiento de seguimiento que el algoritmo KCF tradicional y puede detectar y seguir objetos de forma continua y eficiente en diferentes escenas complejas, lo que resulta adecuado para aplicaciones de ingeniera.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Seguimiento de objetos; Visión por computador; Detección con aprendizaje profundo; Filtrado de correlación kernelizado; Fusión de características espaciotemporales; Algoritmo de seguimiento.
• Keywords:Object tracking; Computer vision; Deep learning detection; Kernelized correlation filtering; Spatiotemporal feature fusion; Tracking algorithm