基于CNN的粒子滤波目标跟踪算法研究

• 作者: 李位星 潘峰 田卉 纪昱锋 马维亮
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 目标跟踪 卷积神经网络 粒子滤波
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 信息与控制
• 页码范围: 1256-1262
• 页数: 7页
• 分类号: TP391
• 字数: 4884字
• 语种: 中文
• DOI: 10.15918/j.tbit 1001-0645.2018.12.008

摘要

针对复杂场景下目标跟踪算法存在的跟踪目标丢失漂移等问题,提出一种粒子滤波框架下基于卷积神经网络(convolutional neural network,CNN)的目标跟踪算法.该算法采用CNN提取跟踪目标的高层语义特征,并引入离线训练方式,提高训练效率以及特征提取的泛化能力;利用粒子滤波算法框架,实现目标运动状态的有效估计;同时采用长时与短时两种更新策略,并引入困难样本挖掘的在线训练方式,以适应目标外观变化与背景干扰等复杂情况.仿真实验结果表明本文算法能有效适应遮挡、光照、剧烈运动等场景.与多个当前的跟踪算法在公开测试样本下进行了结果比较和分析,验证了本算法在解决跟踪目标丢失漂移等问题上的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李位星	北京理工大学自动化学院	6	53	3.0	6.0
2	潘峰	北京理工大学自动化学院	22	235	6.0	15.0
3	田卉		2	6	2.0	2.0
4	马维亮	北京理工大学自动化学院	1	2	1.0	1.0
5	纪昱锋	北京理工大学自动化学院	1	2	1.0	1.0