自适应模板更新的鲁棒目标跟踪算法*

摘要：

针对受复杂背景、光照以及目标尺度变化等因素的影响,目标模板更新精度不高,导致跟踪算法鲁棒性差的问题,提出了一种基于深度特征和模板更新的自适应粒子滤波目标跟踪方法.首先对跟踪目标进行仿射变换;然后构造一个12层的卷积神经网络来提取跟踪目标及其仿射变换的深度特征得到目标模板和候选模板,并以此构建候选模板库;其次采用粒子滤波算法跟踪目标,将预测结果与候选模板库中的模板进行匹配,确定新的目标模板并自适应更新候选模板库.实验结果表明,该算法在遮挡、光照、尺度变化、目标旋转和复杂背景的恶劣条件下仍能稳定地跟踪目标,与其他7种先进算法在18组测试视频中进行比较,具有更高的目标跟踪精度和更强的鲁棒性.

关键词：目标跟踪、卷积神经网络、粒子滤波、模板更新

所属期刊栏目：13

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61171119 国家自然科学基金;the Science and Technology Program of Graduate of Beijing University of Technology under Grant No. ykj-2015-12211 北京工业大学研究生科技基金

在线出版日期：2020-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：83-96