一种基于深度学习目标检测的长时目标跟踪算法

摘要：

针对长时目标跟踪所面临的目标被遮挡、出视野等常常会导致跟踪漂移或丢失的问题,基于MDNet提出一种深度长时目标跟踪算法(long-term object tracking based on MDNet,LT-MDNet).首先,引入了一种改进的收缩损失函数,以解决模型训练时正负样本不均衡的问题;其次,设计了一种高置信度保留样本池,对在线跟踪时的每一帧的有效并且置信度最高结果进行保留,并在池满时替换最低置信度的保留样本;最后,在模型检测到跟踪失败或连续跟踪帧数达到特定阈值时,利用保留样本池进行在线训练更新模型,从而使模型在应对长时跟踪时保持鲁棒和高效.实验结果表明,LT-MDNet在跟踪精度和成功率上都展现了极强的竞争力,并且在目标被遮挡、出视野等情况下保持了优越的跟踪性能和可靠性.

关键词：目标跟踪;长时跟踪;神经网络;卷积特征;类不均衡问题;损失函数;特征提取;深度学习

所属期刊栏目：16

分类号：TP391.4(计算技术、计算机技术)

资助基金：江苏省研究生创新计划项目;江苏高校优势学科建设工程项目PAPD

在线出版日期：2021-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：433-441