融合深度特征表达与似物性采样的目标跟踪算法

• 作者: 孙佳男 孙俊
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 目标跟踪 相关滤波 卷积神经网络 似物性采样
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 84-88
• 页数: 5页
• 分类号: TP391
• 字数: 5608字
• 语种: 中文

摘要

深度学习算法的出现,为解决目标跟踪中具有挑战性的目标变形,尺度变化,复杂背景等问题提供了新的解决方案.在核相关滤波跟踪框架下,利用离线训练好的卷积神经网络,提取由低至高不同卷基层的目标特征图,层次化地构造目标外观模型.同时,为有效处理目标尺度变化,在提取好的深度特征基础上,利用似物性采样机制,设计动态拒绝采样策略,提升了跟踪性能.标准测试集上的实验结果表明,本文算法在处理尺度变化、运动模糊等问题时具有较好的跟踪精度和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙俊	江南大学物联网工程学院	186	1552	21.0	30.0
2	孙佳男	江南大学物联网工程学院	1	5	1.0	1.0