基于自适应卷积特征的目标跟踪算法

• 作者: 杨德东 杨福才 毛宁 蔡玉柱
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 机器视觉 卷积特征 自适应降维 在线支持向量机分类器 峰旁比
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 机器视觉
• 页码范围: 258-269
• 页数: 12页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3788/AOS201737.0315002

摘要

针对空间正则化相关滤波(SRDCF)跟踪算法在目标跟踪中旋转变化、超出视野和严重遮挡情况下存在跟踪失败的问题,提出了一种基于自适应卷积特征的目标跟踪算法.对VGG-Net模型中conv3-4层卷积特征进行主成分分析,利用自适应降维技术将cony3-4层特征维数由256维降至130维.在检测区域求取分类器最大响应位置及其目标尺度信息,并对最大响应位置的目标进行置信度比较,训练在线支持向量机(SVM)分类器,以便在跟踪失败的情况下,重新检测到目标而实现长期跟踪.计算跟踪位置的峰旁比,选取可靠跟踪结果,更新模型.采用OTB-2015评估基准的100组视频序列进行测试,并与38种跟踪方法进行对比,验证了本文算法的有效性.实验结果表明:本文算法跟踪精度为0.804,成功率为0.607,排名第一,与SRDCF算法相比,两者分别提高了1.9％和1.5％.针对目标发生旋转变化、超出视野和严重遮挡等复杂情况,本文算法均具有较强的稳健性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨德东		14	68	4.0	8.0
2	毛宁		12	116	5.0	10.0
3	蔡玉柱		6	44	2.0	6.0
4	杨福才		8	56	3.0	7.0