基于大数据安全技术及深度特征的鲁棒视觉跟踪

• 作者: 吴小平 左国才 李智勇 苏秀芝
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 机器视觉 深度学习 卷积神经网络 大数据安全技术
• 年，卷（期）: 2018,（2）
• 页码范围: 47-51
• 页数: 5页
• 分类号: TP391.41
• 字数: 3027字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2018.02.010

摘要

针对光照变化、目标旋转、背景杂乱等复杂条件下,核相关滤波KCF算法出现目标跟踪漂移或者失败的问题,本文利用卷积神经网络(CNN)对跟踪目标出现光照、旋转、背景杂乱等复杂变化极具鲁棒性的特点,提出了一种基于卷积神经网络的鲁棒视觉跟踪算法CKCF.CK0 CF算法在考虑大数据安全和隐私保护技术的前提下,利用海量的图片数据集训练VGG模型提取目标深度特征,并融入改进后的KCF跟踪算法中,实验结果表明,与KCF算法相比较,该算法实现了更加鲁棒的跟踪效果,解决了KCF跟踪算法在光照变化、目标旋转、背景杂乱等复杂条件下目标跟踪漂移或者失败的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李智勇	湖南大学信息科学与工程学院	43	493	14.0	20.0
2	左国才	湖南软件职业学院软件与信息工程学院	39	86	6.0	7.0
3	苏秀芝	湖南软件职业学院软件与信息工程学院	24	26	2.0	4.0
4	吴小平	湖南软件职业学院软件与信息工程学院	9	2	1.0	1.0