一种基于深度学习目标检测的长时目标跟踪算法

• 作者: 邵江南 葛洪伟
• 来源期刊: 智能系统学报
• 关键词: 目标跟踪 长时跟踪 神经网络 卷积特征 类不均衡问题 损失函数 特征提取 深度学习
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 机器感知与模式识别|Machine Perception and Pattern Recognition
• 页码范围: 433-441
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11992/tis.201910029

摘要

针对长时目标跟踪所面临的目标被遮挡、出视野等常常会导致跟踪漂移或丢失的问题,基于MDNet提出一种深度长时目标跟踪算法(long-term object tracking based on MDNet,LT-MDNet).首先,引入了一种改进的收缩损失函数,以解决模型训练时正负样本不均衡的问题;其次,设计了一种高置信度保留样本池,对在线跟踪时的每一帧的有效并且置信度最高结果进行保留,并在池满时替换最低置信度的保留样本;最后,在模型检测到跟踪失败或连续跟踪帧数达到特定阈值时,利用保留样本池进行在线训练更新模型,从而使模型在应对长时跟踪时保持鲁棒和高效.实验结果表明,LT-MDNet在跟踪精度和成功率上都展现了极强的竞争力,并且在目标被遮挡、出视野等情况下保持了优越的跟踪性能和可靠性.