基于卷积神经网络与一致性预测器的稳健视觉跟踪

• 作者: 王俊峰 范勇 陈念年 高琳
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 机器视觉 目标跟踪 卷积神经网络 一致性预测器 时空域能量函数
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 机器视觉
• 页码范围: 222-231
• 页数: 10页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3788/AOS201737.0815003

摘要

针对视频序列的稳健性目标跟踪问题,提出一种基于卷积神经网络(CNN)与一致性预测器(CP)的视觉跟踪算法.该算法通过构建一个双路输入CNN模型,同步提取帧采样区域和目标模板的高层特征,利用逻辑回归方法区分目标与背景区域;将CNN嵌入至CP框架,利用算法随机性检验评估分类结果的可靠性,在指定风险水平下,以域的形式输出分类结果;选择高可信度区域作为候选目标区域,优化时空域全局能量函数获得目标轨迹.实验结果表明,该算法能够适应目标遮挡、外观变化以及背景干扰等复杂情况,与当前多种跟踪算法相比具有更强的稳健性和准确性.