融合卷积神经网络及贝叶斯滤波器的跟踪方法及系统

本发明公开了一种融合卷积神经网络及贝叶斯滤波器的跟踪方法及系统，具体如下：

1. 通过预定的训练集，对卷积神经网络进行预训练，得到卷积神经网络的初步模型；
2. 接收用户输入的带有跟踪目标的视频流，通过初步模型对视频流中的跟踪目标进行跟踪；
3. 利用微调技术对初步模型的参数进行微调，得到卷积神经网络的最终模型；
4. 接收用户输入的带有跟踪目标的监控视频流，通过替换后的TLD算法自动对监控视频流中的跟踪目标进行识别及跟踪；
5. 通过贝叶斯滤波器更新目标模型集合和背景集合。

可见，通过对卷积神经网络进行训练生成最终模型，能自动从监控视频流中识别跟踪目标，利用贝叶斯滤波器实现样本的更新，能实现对目标的长时间跟踪，增加用户操作体验。

本发明公开了一种融合卷积神经网络及贝叶斯滤波器的跟踪方法及系统，包括：通过预定的训练集，对卷积神经网络进行预训练得到卷积神经网络的初步模型；接收用户输入的带有跟踪目标的视频流，通过初步模型对视频流中的跟踪目标进行跟踪，并利用微调技术对初步模型的参数进行微调，得到卷积神经网络的最终模型；接收用户输入的带有跟踪目标的监控视频流，通过替换后的TLD算法自动对监控视频流中的跟踪目标进行识别及跟踪，并通过贝叶斯滤波器更新目标模型集合和背景集合；可见，通过对卷积神经网络进行训练生成最终模型，能自动从监控视频流中识别跟踪目标，利用贝叶斯滤波器实现样本的更新，能实现对目标的长时间跟踪，增加用户操作体验。