融合ELM和相关滤波的鲁棒性目标跟踪算法

• 作者: 李磊 焦玲玲 王欣远 肖嵩
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 视觉目标跟踪 相关滤波 极限学习机 特征提取 C-COT算法
• 年，卷（期）: 2019,（1）
• 页码范围: 57-63
• 页数: 7页
• 分类号: TP391
• 字数: 4794字
• 语种: 中文
• DOI: 10.19665/j.issn1001-2400.2019.01.010

摘要

为解决目前主流相关滤波跟踪方法中跟踪结果容易陷入局部最优值以及因引入深度学习带来的特征提取过程过慢的问题,提出一种融合极限学习机和相关滤波器的鲁棒性目标跟踪算法.该算法在CCOT算法的基础上对其特征提取方式和置信图的寻优方法进行改善.首先,利用多层稀疏自编码极限学习机技术,设计新的特征提取模型,以代替原来的卷积神经网络,可快速且高效地提取图像特征;其次,在特征提取模型之后,添加在线序列极限学习机,构建目标粗糙位置估计模型,采用多峰检测方法初步求得目标的预测位置;第三,根据初步的目标预测位置确定置信图的搜索区域,避免跟踪结果陷入局部最优值;最后,在3个目标跟踪标准数据集上验证新算法的有效性.实验结果表明,新算法的跟踪速度是C-COT算法的12.9倍,且对遮挡、运动模糊以及相似目标等有较强的鲁棒性,可有效地提高跟踪精度和速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李磊	西安电子科技大学综合业务网理论及关键技术国家重点实验室	37	118	6.0	6.0
2	肖嵩	西安电子科技大学综合业务网理论及关键技术国家重点实验室	28	153	7.0	11.0
3	焦玲玲	国防科技大学信息通信学院	3	1	1.0	1.0
4	王欣远	西安电子科技大学综合业务网理论及关键技术国家重点实验室	1	0	0.0	0.0