基于卷积神经网络的鲁棒高精度目标跟踪算法

被引：45

作者：

李康

李亚敏

胡学敏

邵芳

机构：

[1] 湖北大学计算机与信息工程学院

来源：

电子学报 | 2018年 / 46卷 / 09期

关键词：

目标跟踪; 神经网络; 计算机视觉; 机器学习;

D O I：

暂无

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

目标跟踪是计算机视觉中重要的研究领域之一.为了跟踪复杂场景中外观变化剧烈的目标,本文提出了一种基于卷积神经网络的目标跟踪算法.算法中的网络模型结构包括预训练的特征提取层和自适应更新的分类器层.在开始跟踪前,首先训练全连接层和分类器层的参数,以及目标的特征与位置之间的线性关系.其次,定义了评估跟踪结果可信度的标准.如果得到的跟踪结果的可信度较高,则根据跟踪结果的特征调整位置,提高跟踪结果的精确度.最后,在训练网络时,每次迭代都选择分类器得分的最高的负样本参与训练.该策略可以提高模型的分辨能力.在OTB50测试集中的实验结果表明,我们的算法取得了良好的跟踪结果.

引用

页码：2087 / 2093

页数：7

共 9 条

[1]

基于最大池图匹配的形变目标跟踪方法 [J].