ECO跟踪算法中CNN分层插值及加权策略改进

• 作者: 宋娟 彭勇 王昌蒙 王莹 陈志旺
• 来源期刊: 高技术通讯
• 关键词: 目标跟踪 高效卷积运算符(ECO) 卷积神经网络(CNN) 相关滤波 尺度估计
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 570-578
• 页数: 9页
• 字数: 7378字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2020.06.004

摘要

本文是在深度特征与相关滤波相结合的高效卷积运算符(ECO)目标跟踪算法基础上进行的改进.首先,为了提高跟踪速度,提出"浅层特征不插值,深层特征插值"的卷积神经网络(CNN)分层插值处理方法,对具有较高分辨率的浅层特征不插值,对分辨率低的深层特征进行插值计算来提高分辨率;其次,改进了样本空间分类策略,给CNN特征层分配不同的权重,突出不同特征层对样本间距离的影响,并且将所有样本信息都保留在训练样本集中;最后,应用判别尺度空间跟踪(DSST)算法提出的对目标尺度估计的方法,增加了目标尺度的候选数量,使尺度估计更加准确.实验结果验证了所设计算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈志旺	燕山大学工业计算机控制工程河北省重点实验室	41	302	10.0	16.0
2	彭勇	燕山大学工业计算机控制工程河北省重点实验室	19	32	3.0	4.0
3	王莹	燕山大学工业计算机控制工程河北省重点实验室	16	30	2.0	5.0
4	王昌蒙	燕山大学国家冷轧板带装备及工艺工程技术研究中心	1	0	0.0	0.0
5	宋娟	燕山大学国家冷轧板带装备及工艺工程技术研究中心	1	0	0.0	0.0