原文服务方: 现代电子技术       
摘要:
现有的目标跟踪算法大多采用传统的手工特征或神经网络的某一层特征描述目标的外观,不利于跟踪,文中提出一种基于多层深度特征的自适应更新目标跟踪算法.采用经过预训练的深层卷积神经网络分别提取低层和高层信息用以描述目标的空间特征和语义特征,通过对两层特征信息的学习得到两个滤波模板,对应求得两个滤波响应,这两个滤波响应以不同的权重决定最后的跟踪结果.算法中还设计了对目标外观模型和滤波模板的自适应更新方案,能更好地适应目标的外观变化以及遮挡问题.采用多层深度特征描述目标外观,并且利用提取的特征训练两个滤波模板,求滤波响应时采用核相关的方法,增强了跟踪结果的准确性并加快了跟踪的速度.实验结果表明,所提算法与现有跟踪算法相比,可以更好地应对多种挑战因素,跟踪速度也完全能满足实时跟踪任务的需求.
推荐文章
基于深度特征的稀疏表示目标跟踪算法
目标跟踪
稀疏表示
卷积神经网络
生成模型
深度学习
基于卷积神经网络多层特征融合的目标跟踪
目标跟踪
特征融合
特征表达
目标定位
卷积神经网络
回归模型
红外目标图像的复合特征跟踪算法
图像制导
目标跟踪
模板匹配
角点
复合特征
基于联合特征的边缘粒子滤波目标跟踪算法研究
目标跟踪
边缘粒子滤波
核概率密度估计
卡尔曼滤波算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多层深度特征的目标跟踪算法研究
来源期刊 现代电子技术 学科
关键词 目标跟踪 深度特征 自适应核相关 卷积神经网络 滤波响应 跟踪速度
年,卷(期) 2019,(1) 所属期刊栏目 信号分析与图像处理
研究方向 页码范围 51-56
页数 6页 分类号 TN911.73-34|TP391.41
字数 语种 中文
DOI 10.16652/j.issn.1004-373x.2019.01.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 胡昭华 南京信息工程大学电子与信息工程学院 29 203 9.0 13.0
5 王珏 南京信息工程大学电子与信息工程学院 9 40 3.0 6.0
6 邵晓雯 南京信息工程大学电子与信息工程学院 6 14 2.0 3.0
7 卞飞飞 南京信息工程大学电子与信息工程学院 5 9 2.0 3.0
8 钮梦宇 南京信息工程大学电子与信息工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (5)
参考文献  (5)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(5)
  • 参考文献(3)
  • 二级参考文献(2)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
目标跟踪
深度特征
自适应核相关
卷积神经网络
滤波响应
跟踪速度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代电子技术
半月刊
1004-373X
61-1224/TN
大16开
1977-01-01
chi
出版文献量(篇)
23937
总下载数(次)
0
总被引数(次)
135074
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导