多层深度特征的目标跟踪算法研究

摘要：

现有的目标跟踪算法大多采用传统的手工特征或神经网络的某一层特征描述目标的外观,不利于跟踪,文中提出一种基于多层深度特征的自适应更新目标跟踪算法.采用经过预训练的深层卷积神经网络分别提取低层和高层信息用以描述目标的空间特征和语义特征,通过对两层特征信息的学习得到两个滤波模板,对应求得两个滤波响应,这两个滤波响应以不同的权重决定最后的跟踪结果.算法中还设计了对目标外观模型和滤波模板的自适应更新方案,能更好地适应目标的外观变化以及遮挡问题.采用多层深度特征描述目标外观,并且利用提取的特征训练两个滤波模板,求滤波响应时采用核相关的方法,增强了跟踪结果的准确性并加快了跟踪的速度.实验结果表明,所提算法与现有跟踪算法相比,可以更好地应对多种挑战因素,跟踪速度也完全能满足实时跟踪任务的需求.

关键词：目标跟踪、深度特征、自适应核相关、卷积神经网络、滤波响应、跟踪速度

所属期刊栏目：42

分类号：TN911.73-34;TP391.41

资助基金：国家自然科学青年基金资助61601230;江苏省自然科学基金青年基金BK20141004;江苏高校优势学科Ⅱ期建设工程资助项目;江苏省大学生实践创新训练计划项目资助201510300036Z

在线出版日期：2019-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：51-56