在线单目标视频跟踪算法综述  

Survey of Video Object Tracking

作　　者：管皓[1] 薛向阳[1] 安志勇[1,2] 

机构地区：[1]复旦大学计算机科学技术学院上海市智能信息处理重点实验室,上海200433 [2]山东工商学院计算机科学与技术学院,山东烟台264005

出　　处：《小型微型计算机系统》2017年第1期147-153,共7页Journal of Chinese Computer Systems

基　　金：上海市科委项目(15511104402)资助;山东省自然科学基金项目(ZR2013FL018)资助

摘　　要：视频目标跟踪是计算机视觉的重要研究课题,在视频监控、机器人、人机交互等方面具有广泛应用.对目前主流跟踪算法的研究框架进行了整体介绍;详细介绍并分析了外观模型与运动模型这两大构成要件的具体应用及对跟踪效果的影响;接着,结合大数据时代的特点,对新时期视频目标跟踪研究的新特点与新趋势进行了分析,介绍了国际上新兴的数据平台、评测方法,以及深度学习方法在视频目标跟踪中的最新应用情况,并对其目前存在的问题和未来应用趋势进行了分析;最后对视频目标跟踪的未来发展与创新方向进行了思考与展望.Video object tracking is an important research topic of computer vision which has been widely used in many applications, such as surveillance, robotics, human-computer interface and so on. This paper aims to review the state-of-the-art on-line tracking methods. Firstly, we summarize the main framework of modern tracking algorithms. Then we introduce and analyze the important com- ponents for modem trackers including the appearance models as well as the motion models. In addition, new characters and trends for the tracking research in the big data era are described and the application of deep-learning method on video object tracking is intro- duced. Finally, we have a discussion and provide insights for future.

关 键 词：目标跟踪 视频分析 在线学习 计算机视觉 大数据 深度学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]