基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统的相关滤波方法采用手工特征提取训练样本,限制了跟踪性能的进一步提升,在相关滤波框架下,探讨了深度神经网络VGG-16不同卷积层特征的目标跟踪效果,研究发现,从VGG-16提取的特征相对于传统手工特征具有显著优势;而在深度特征中,以第一层和第五层对目标跟踪性能的提升最为明显.以此为依据,提出了用第一层和第五层特征分别训练相关滤波器、将两者的相关响应图加权后进行目标定位.在OTB2013数据集上的实验结果表明:该方法对跟踪精度和鲁棒性均有进一步的改善.
推荐文章
一种基于多相关滤波器组合的目标跟踪方法
目标跟踪
相关滤波
尺度评估
模型自适应更新
基于相关滤波器和最小二乘估计的目标跟踪方案
目标跟踪
相关滤波
最小二乘估计
目标模板
图形处理单元(GPU)
利用多特征混沌粒子滤波的视觉目标跟踪方法
视觉目标跟踪
多特征运动模型
混沌粒子滤波器
VOT17数据集
遮挡
运动模糊
基于遗传粒子滤波器的运动目标实时跟踪
粒子滤波器
遗传算法
自适应特征选择
跟踪
boosting算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度特征和相关滤波器的视觉目标跟踪
来源期刊 中南民族大学学报(自然科学版) 学科 工学
关键词 目标跟踪 相关滤波器 响应图 目标定位 深度特征
年,卷(期) 2018,(2) 所属期刊栏目 物理与电子信息科学
研究方向 页码范围 67-73
页数 7页 分类号 TP391.4
字数 5309字 语种 中文
DOI 10.3969/j.issn.1672-4321.2018.02.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 侯建华 中南民族大学电子信息工程学院 58 428 14.0 18.0
2 项俊 中南民族大学电子信息工程学院 8 42 2.0 6.0
3 陈思萌 中南民族大学电子信息工程学院 2 2 1.0 1.0
4 邓雨 中南民族大学电子信息工程学院 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (1)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (5)
二级引证文献  (4)
1955(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
目标跟踪
相关滤波器
响应图
目标定位
深度特征
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中南民族大学学报(自然科学版)
季刊
1672-4321
42-1705/N
大16开
武汉市民院路5号
1982
chi
出版文献量(篇)
2596
总下载数(次)
4
总被引数(次)
11010
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导