结合孪生网络重检的长期目标跟踪算法

摘要：

针对传统长期相关滤波器使用特征单一、跟踪失败后无法再次捕捉到目标的缺点,提出一种结合深度学习的多特征融合长期目标跟踪算法.本算法在长期相关跟踪算法(long-term correlation tracking,LCT))的基础上,采用多特征融合的方式,将局部二值模式特征、改进的方向梯度直方图特征以及颜色特征相融合,来提高跟踪算法的鲁棒性.由于LCT算法选择随机蕨分类器进行目标重检,对检测范围有局限性且重检精度较低,故采用基于深度学习的孪生网络实例搜索(SINT)方法对全局图像进行目标重检.本文的实验在OTB100数据集上进行,结果表明:本文算法与LCT算法相比,距离精度和成功率分别提升了13％和10.3％.

关键词：长期目标跟踪、相关滤波、特征融合、深度学习、目标重检

所属期刊栏目：31

分类号：TP391.41;TN925;TP273.4

资助基金：陕西省科技计划重点项目2017ZDCXL-GY-05-03

在线出版日期：2022-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：188-195