10.16526/j.cnki.11-4762/tp.2022.06.032
相关滤波目标跟踪算法鲁棒性提升研究
ECO算法虽然在跟踪效果上有了很大的提升,但是它在复杂场景中表现不好甚至会丢失目标,即鲁棒性不高;对此,文章探讨了怎样在ECO算法中利用深度特征处理深层语义的能力和浅层特征处理纹理颜色信息的能力来提升算法的鲁棒性,同时对比了深度特征和浅层特征在目标跟踪的不同作用,并因此提出了改进方法,首先在深度网络上选择了具有更深层次的Res-Net-101网络;其次修改了适宜此网络的参数;算法在OTB-2015进行的实验也取得了比较良好的结果,在低分辨率、背景杂波、光照变化及尺度变化4个挑战因素的成功率分别领先基准算法ECO为0.135,0.034,0.031,0.024.
目标跟踪、深度特征、浅层特征、鲁棒性、复杂场景
30
TP391.41(计算技术、计算机技术)
四川省科技厅重点研发项目2020YFG0442
2022-07-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
210-215