10.19665/j.issn1001-2400.2019.01.019
自适应权值卷积特征的鲁棒目标跟踪算法
针对传统基于固定权值卷积特征的深度学习跟踪算法在部分视频跟踪失败的问题,提出一种新颖的基于响应图和熵函数的评估各卷积神经网络层跟踪性能的方法.该方法能根据评估结果自动调整各层的权值系数;同时引入边界框检测机制,当跟踪响应最大值小于给定阈值时,采用滑动窗口采样一定数量的边界框,并对边界框进行评估,生成初始建议边界框;最后在初始建议边界框的基础上进行相关滤波跟踪,并给出模型更新策略.将文中算法与其他9种算法在OTB-2013视频数据库上进行跟踪仿真,实验结果表明,所提算法具有较高的中心点距离准确率和跟踪成功覆盖率.
目标跟踪、自适应权值、相关滤波、目标检测
46
TP391(计算技术、计算机技术)
山东省自然科学基金ZR2015FL009;山东省高等学校科技计划J17KA088,J16LN02;滨州学院科研基金BZXYL1803
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
117-123