稀疏卷積特征的實(shí)時(shí)目標(biāo)跟蹤

鄒建成; 王潤玲; 車滿強(qiáng); 熊昌鎮(zhèn) 北方工業(yè)大學(xué)理學(xué)院; 北京100144; 北方工業(yè)大學(xué)城市道路交通智能控制技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室; 北京100144

目標(biāo)跟蹤
卷積神經(jīng)網(wǎng)絡(luò)
相關(guān)濾波
稀疏特征

摘要：針對(duì)分層卷積相關(guān)濾波目標(biāo)跟蹤算法魯棒性良好而實(shí)時(shí)性能較差問題,提出了基于單層稀疏卷積特征的實(shí)時(shí)目標(biāo)跟蹤算法.該方法選用單個(gè)卷積層的特征,并通過等間隔采樣方法生成稀疏特征來提高跟蹤的速度.然后采用調(diào)整類標(biāo)函數(shù)帶寬的策略來提高核相關(guān)濾波分類器性能,以解決卷積特征維度降低造成的算法魯棒性下降問題,在OTB-2013標(biāo)準(zhǔn)數(shù)據(jù)集上測試算法.實(shí)驗(yàn)結(jié)果表明,該算法的平均距離精度為89.9%,平均跟蹤速度為25.0幀/秒,比原分層卷積核相關(guān)濾波目標(biāo)跟蹤算法分別提高了0.9%和108.3%;與多尺度域適應(yīng)的目標(biāo)跟蹤算法速度相比稍有降低,但平均距離精度提高3.8%,在目標(biāo)發(fā)生遮擋、形變、光照變化、背景混亂等情況時(shí)具有很好的魯棒性.

注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社

投稿咨詢文秘咨詢