基于循环神经网络的非特定目标追踪方法研究

摘要：

为了在目标跟踪任务中利用循环神经网络善于处理时间序列的能力,提高跟踪效果,文中针对单目标非特定物体的跟踪提出了主要基于“卷积+循环”的深度神经网络框架.框架中采用卷积神经网络提取不同层级特征、全连接网络进行特征对比,并采用循环神经网络传递物体特征和运动信息.实验方法为“离线训练+在线跟踪”.训练时为了更快收敛,将卷积层预训练权重滞后更新,并逐步增加视频长度;在线跟踪时仅更新循环神经网络间传递的隐藏状态,这样既更新了目标特征,也保证了算法的跟踪速度.最终实验结果表明,基于“卷积+循环”网络的目标跟踪器实时性达到150帧/s,与目前的一些高速跟踪算法相比,有更高的预测重叠率,且在大部分视频场景下鲁棒性更好.

关键词：卷积神经网络、特征对比、循环神经网络、离线训练

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61703201;江苏省自然科学基金BK20170765

在线出版日期：2019-10-12（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：103-110