自适应时空正则化的相关滤波目标跟踪

摘要：

针对正则化滤波器预先定义正则化项,但无法实时抑制非目标区域学习的缺点,提出了一种自适应时空正则化的新方法,从而提高算法在目标跟踪过程中适应外观变化的鲁棒性.首先在目标函数中引入空间局部响应变化量,使滤波器专注于学习对象中值得信任的部分,从而得到响应模型;其次根据全局响应变化决定滤波器的更新率;最后引入卷积神经网络进行深度特征提取,为减少高维数据存储过大,采用主成分分析算法进行降维处理,既保留主要特征又加快计算速度.在数据集OTB2013 和OTB2015 上的平均精确率和平均成功率相较于时空正则化相关滤波器算法分别提高了 4.7%和 12.7%.大量实验证明,该算法在复杂背景、物体遮挡、快速运动等多种场景下基本满足实时性需求.

关键词：时空自适应、局部响应、全局响应、神经网络、卷积神经网络、特征提取、降维、主成分分析算法

所属期刊栏目：18

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;辽宁省自然科学基金;辽宁省教育厅基金项目

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：754-763