收录：
摘要：
本发明涉及一种基于持续学习的长时视觉目标跟踪方法，该方法包括网络模型设计、模型初始化、在线跟踪和模型更新。针对长时视觉目标跟踪设计了深度神经网络结构，经过模型初始化获得初始化网络模型，然后利用初始化网络模型进行在线跟踪，在跟踪过程中利用持续学习的方法进行长时或短时模型更新，适应目标在跟踪过程中的各种变化。本发明把传统视觉目标跟踪的模型在线更新过程转换为持续学习的过程，从视频的所有历史数据整体建立目标的完整外观描述，有效提升了长时视觉跟踪的鲁棒性。本发明所述的方法可为智能视频监控、人机交互、视觉导航等应用需求提供长时视觉目标跟踪的有效解决方案。
关键词：
通讯作者信息：
电子邮件地址：
