一种易于初始化的类卷积神经网络视觉跟踪算法

• 作者: 李寰宇 杨源 查宇飞 毕笃彦
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 视觉跟踪 深度学习 特征提取 卷积神经网络 主成分分析 仿射变换
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 论文
• 页码范围: 1-7
• 页数: 7页
• 分类号: TP183|TP391.4
• 字数: 3932字
• 语种: 中文
• DOI: 10.11999/JEIT150600

摘要

该文针对视觉跟踪中运动目标的鲁棒性跟踪问题,基于主成分分析(PCA)和卷积神经网络(CNN),提出一种易于初始化的类CNN提取深度特征的视觉跟踪算法.该算法首先利用仿射变换对原始图像进行处理,然后对归一化尺寸的图像进行分层PCA学习,将学习得到的PCA特征向量作为CNN结构中的各阶滤波器,完成特征提取网络的初始化,再利用特征提取网络获取目标的深层次表达.最后结合粒子滤波,利用一个简单的逻辑回归分类器通过分类估计实现目标跟踪.结果表明,利用这种易于初始化的CNN提取到的深度特征能够有效地区分目标和背景,具有很好的可区分性,提出的视觉跟踪算法对光照变化、尺度变化、遮挡、旋转和摄像机抖动等都具有良好的适应性,在许多视频序列上表现出了较好的鲁棒性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	查宇飞	空军工程大学航空航天工程学院	39	601	11.0	23.0
2	毕笃彦	空军工程大学航空航天工程学院	282	3094	27.0	43.0
3	李寰宇	空军工程大学空管领航学院	25	181	8.0	12.0
7	杨源	空军工程大学空管领航学院	22	169	7.0	12.0