融合重检测机制的卷积回归网络目标跟踪算法

摘要：

针对基于人工特征的背景感知相关滤波(CACF)算法在形变、运动模糊、低分辨率情形跟踪效果较差以及跟踪器遇到严重遮挡等情形容易陷入局部最优而导致跟踪失败的问题,提出一种融合重检测机制的卷积回归网络(CRN)目标跟踪算法.在训练阶段,将相关滤波作为CRN层融入进深度神经网络,使网络成为一个整体进行端到端训练;在跟踪阶段,通过残差连接融合不同网络层及其响应值,同时引入重检测机制使算法从潜在的跟踪失败中恢复,当响应值低于给定阈值时激活检测器.在数据集OTB-2013上的实验表明,所提算法在50个视频序列上精确度达到88.1％,相比原始CACF算法提高9.7个百分点,在具有形变、运动模糊等属性的视频序列上相比原始算法表现更优秀.

关键词：目标跟踪、相关滤波、卷积回归网络、端到端、重检测

所属期刊栏目：39

分类号：TP183;TP391.41(自动化基础理论)

资助基金：国家自然科学基金资助项目61572023,61672467

在线出版日期：2019-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2247-2251