基于卷积神经网络的实时跟踪算法

摘要：

利用卷积神经网络(CNN)强大的特征学习能力,提出了一种基于卷积神经网络的实时跟踪算法.通过对双通道卷积神经网络进行离线训练,学习相邻两帧之间的差异,得到跟踪目标的表观特征与运动之间的普遍规律.在不需要对网络模型在线更新的情况下,直接通过网络回归得到对目标的位置和对应置信度的预测.在VOT2014数据集中进行实验,结果表明:提出的跟踪算法的性能达到了当前领先水平.同时,跟踪算法的运行速度可以达到90帧/s,表现出非常不错的实时性.

关键词：目标跟踪、卷积神经网络、离线训练、置信度

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：中国科学院先导专项项目XDA0640102

在线出版日期：2018-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：144-146