高鲁棒性的多层级卷积特征目标跟踪算法研究
为了进一步提高目标跟踪算法中目标定位的精确度,提出了一种基于多层卷积特征的目标跟踪算法.该算法首先利用VGG-Net-19的多层结构提取待测图像的多层卷积特征,通过相关滤波方法获取多层卷积特征并对其进行加权融合,从而确定目标的真实位置.然后通过结合多层卷积层以及全连接层的特征,在目标表示效果上有明显提升,在保证跟踪效率的同时提高精确度.实验结果表明,与目前主流的HCF、MEEM、KCF、Struck四种目标跟踪算法对比,该算法取得了优于其他方法的精度与成功率,距离精确率提高了2~20%,与OPE、SRE以及TRE的结果具有一致性.
目标跟踪、多层级卷积特征、权值融合、相关滤波、神经网络
17
TP391.41(计算技术、计算机技术)
2019-09-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
16-21