基于深度特征与LBP纹理融合的视觉跟踪

摘要：

针对多数传统目标特征无法实现复杂场景下的鲁棒视觉跟踪问题,提出一种新的视觉跟踪算法.采用卷积神经网络(CNN)提取目标更加鲁棒的深度特征,同时融合具有旋转不变性的局部二值模式纹理特征,弥补CNN深度特征在旋转适应性上的不足.根据CNN网络训练速度慢的问题,引入离线预训练方法,提高在线特征提取效率.实验结果表明,与DLT算法相比,该算法在跟踪测试集上的跟踪精度提高14.08％,运算效率提高10.47％,能够较好地适应目标表观变化,具有较强的鲁棒性和跟踪时效性.

关键词：深度学习、卷积神经网络、纹理、局部二值模式、自适应融合、视觉跟踪

所属期刊栏目：42

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61175029,61473309;陕西省自然科学基金资助项目2015JM6269

在线出版日期：2016-11-10（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：220-225