结合高斯核函数的卷积 神经网络跟踪算法

摘要：

针对视觉跟踪中运动目标鲁棒性跟踪问题,结合高斯核函数和卷积神经网络(CNN),提出一种无需训练的卷积神经网络提取深度特征的视觉跟踪算法.首先,对初始图像进行归一化处理并聚类提取目标信息,结合跟踪过程中目标信息共同作为卷积网络结构中的各阶滤波器;其次,通过高斯核函数来提高卷积运算速度,提取目标简单抽象特征;最后,通过叠加简单层的卷积结果得到目标的深层次表达,并结合粒子滤波跟踪框架实现跟踪.结果表明:简化后的卷积网络结构能够有效地应对低分辨率、目标遮挡与形变等场景,提高复杂背景下的跟踪效率.

关键词：视觉跟踪、卷积神经网络、高斯核函数、粒子滤波

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61203242;福建省物联网云计算平台建设基金资助项目2013H2002;华侨大学研究生科研创新能力培育计划资助项目1511422004

在线出版日期：2018-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：762-767