基于多特征的运动目标跟踪的中期报告.docx

基于多特征的运动目标跟踪的中期报告
本次中期报告旨在介绍基于多特征的运动目标跟踪项目的当前进展情况。
首先，我们已经完成了运动目标检测和分割的重要步骤，使用传统的基于背景建模的方法。利用该方法，我们可以定位并分割出视频帧中的运动目标。我们还测试了一些新的深度学习方法，如MaskR-CNN和YOLACT，并且得到了比传统方法更好的结果，但是在计算资源和训练时间方面，这些方法仍然存在瓶颈。
其次，我们正在将各种特征中心的跟踪器集成到项目中，以跟踪运动目标。我们计划将传统的视觉特征（如颜色，纹理，形状等）与深度学习技术（如CNN特征和深度表示学习）相结合，以更好地跟踪运动目标。我们还验证了一些现有的跟踪算法，如KCF和MIL等，并计划将多种算法进行融合。
最后，我们也在探索使用目标姿态和运动信息等高级特征来改进我们的跟踪器。我们考虑使用关键点检测技术（如OpenPose）以及运动模型和时空卷积神经网络（STCNN）等方法来提取这些高级特征。
总体来说，我们已经完成了该项目的一些基础工作，并取得了一些进展。最终，我们希望能够开发一个可扩展的、高效的、多功能的运动目标跟踪器。