深度学习算法下多模态人体动作实时跟踪仿真

人体的运动姿态多样,光影和噪声等因素对人体运动特征的提取和分析具有很大影响。且人体动作跟踪过程若目标存在遮挡,易导致目标丢失问题,严重影响人体动作跟踪的精准度。为解决上述问题,引入深度学习方法中的自编码器,提出新的多模态人体动作实时跟踪方法。通过对人体动作图像采集处理,完成人体动作特征的粗提取;利用自编码器对粗特征增强,实现人体动作特征的细提取,建立常规人体动作特征模板;利用核相关滤波(kernel correlation filter,KCF)获取响应函数峰值,建立目标丢失判据,结合特征匹配算法,计算跟踪目标与区域化结构特征之间相似度,确定最佳跟踪目标,实现人体动作的实时跟踪。实验结果表明,所提方法的动作跟踪精准度高,时延短,表明所提方法的跟踪效果好。