结合定向扰动和HOG特征的卷积神经网络目标跟踪

• 作者: 何小冬 何苗 贺逸豪 赵赫东 雷俊茹
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 目标跟踪 卷积神经网络 粒子滤波器 HOG特征
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 图像与视觉
• 页码范围: 1802-1808
• 页数: 7页
• 分类号: TP391.41
• 字数: 4400字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2019.17690

摘要

基于深度学习的目标跟踪中, 针对当目标发生快速移动、摄像机偏移、目标丢失时会严重影响跟踪器的精度、稳定性和成功率的问题, 提出定向扰动算法. 利用卷积神经网络可以定位的特点. 改变粒子滤波器的扰动中心;定向扰动采样; 使得候选样本更加接近真实位置, 加速目标找回, 防止目标丢失, 进而提升跟踪器的精度和成功率.在决策阶段, 先得到定位热点图; 再提取前后帧目标 HOG 特征; 最后计算相似度找到最优解. 在加入 HOG 特征后,跟踪器可以适应更多的复杂场景, 提升了跟踪器的鲁棒性. 在obt-13基准数据库上, 与FCNT, MEEM等算法进行实验的结果表明, 在资源占用量很小的情况下, 文中算法能有效地提升跟踪的精度、成功率以及鲁棒性, 可以更好地应用于实际场景, 并可扩展到其他跟踪器中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何苗	湘潭大学信息工程学院	2	2	1.0	1.0
5	赵赫东	湘潭大学信息工程学院	1	2	1.0	1.0
9	何小冬	湘潭大学信息工程学院	1	2	1.0	1.0
13	贺逸豪	湘潭大学信息工程学院	1	2	1.0	1.0
17	雷俊茹	湘潭大学信息工程学院	1	2	1.0	1.0