基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对在复杂环境中目标尺度变化、形状变化以及场景光照变化、背景干扰等因素导致的目标跟踪稳定性下降问题,提出一种基于自适应多层卷积特征决策融合的目标跟踪算法.首先,通过卷积神经网络VGG-Net-19提取目标候选区域的多层卷积特征;其次,在相关滤波模型框架下,利用这些卷积特征构建多个弱跟踪器;接着,根据每个弱跟踪器的决策损失变化自适应地调节它们的决策权重,完成基于多层卷积特征的目标位置估计;然后,根据尺度相关滤波模型在目标中心区域进行多尺度采样,并利用相邻帧的尺度变化先验分布完成对目标尺度的预测.选取51组具有多种挑战因素的视频序列对所提算法的跟踪性能进行测试.实验结果表明,与当前主流的目标跟踪算法相比,所提算法取得了更高的跟踪精度和成功率,同时可以较好地适应目标的尺度变化,并且在目标发生形变、场景出现光照变化及背景干扰等复杂条件下仍具有较好的跟踪鲁棒性.
推荐文章
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
自适应模型更新的多特征融合目标跟踪算法
目标跟踪
特征融合
粒子滤波
自适应观测模型
高斯方差
基于双模型融合的自适应目标跟踪算法
目标跟踪
相关滤波
HS直方图
尺度金字塔
自适应融合
自适应融合的长期目标跟踪算法
长期跟踪
稀疏相关滤波
颜色模型
自适应融合
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 基于自适应多层卷积特征决策融合的目标跟踪
来源期刊 光学学报 学科
关键词 机器视觉 目标跟踪 决策融合 卷积神经网络 卷积特征 尺度自适应
年,卷(期) 2020,(23) 所属期刊栏目 机器视觉|Machine Vision
研究方向 页码范围 169-181
页数 13页 分类号 TP391.4
字数 语种 中文
DOI 10.3788/AOS202040.2315002
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (47)
共引文献  (6)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(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)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(8)
  • 参考文献(1)
  • 二级参考文献(7)
2016(4)
  • 参考文献(0)
  • 二级参考文献(4)
2017(7)
  • 参考文献(0)
  • 二级参考文献(7)
2018(9)
  • 参考文献(1)
  • 二级参考文献(8)
2019(7)
  • 参考文献(5)
  • 二级参考文献(2)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
机器视觉
目标跟踪
决策融合
卷积神经网络
卷积特征
尺度自适应
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
光学学报
半月刊
0253-2239
31-1252/O4
大16开
上海市嘉定区清河路390号(上海800-211信箱)
4-293
1981
chi
出版文献量(篇)
11761
总下载数(次)
35
论文1v1指导