基于深度特征的稀疏表示目标跟踪算法

• 作者: 徐婷婷 徐龙香 李康 程中建 袁晓旭
• 来源期刊: 物联网技术
• 关键词: 目标跟踪 稀疏表示 卷积神经网络 生成模型 深度学习
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 智能处理与应用
• 页码范围: 39-41,47
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2018.09.008

摘要

基于稀疏表示的目标跟踪算法速度快、精度高,但这类算法使用灰度特征来描述目标外观,因此在跟踪外观变化较大的目标时容易发生漂移.为了解决该问题,研究提出一种基于深度特征的稀疏表示目标跟踪算法.首先,使用预训练的卷积神经网络提取目标的深度特征;其次,根据采集到的模板集对候选样本计算重构误差;然后,选择具有最小重构误差的候选样本作为当前帧的目标;最后,根据已跟踪到的目标更新模板集.实验结果表明,本算法与传统的稀疏表示算法相比更具有鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程中建	湖北大学计算机与信息工程学院	4	3	1.0	1.0
2	李康	湖北大学计算机与信息工程学院	6	19	2.0	4.0
3	袁晓旭	湖北大学计算机与信息工程学院	3	3	1.0	1.0
4	徐龙香	湖北大学计算机与信息工程学院	2	2	1.0	1.0
5	徐婷婷	湖北大学商学院	3	2	1.0	1.0