作者：王鹏翔; 郭敬滨; 谭文斌; 李醒飞视觉跟踪深度学习卷积神经网络多域学习多模板
摘要：为了适应视觉跟踪过程中目标外观变化，提高视觉跟踪算法的鲁棒性，本文基于卷积神经网络（Convolutional Neural Network，CNN）并结合多域学习法与多模板管理，提出一种通过树形结构管理多模板的多域卷积神经网络（Multi-Domain CNNs with Multiple Models in a tree structure）视觉跟踪算法。首先使用大量已标记目标位置的视频数据预训练多域结构的CNN，使CNN卷积层可从图像中提取出适用于跟踪任务的特征。然后在跟踪时中对CNN全连接层进行微调以适应跟踪目标，并使用树形结构管理存储不同时间段的目标模板得到模板树。使用模板树综合评价待检测帧，估计目标位置。最后按照一定规则将新模板添加进模板树，完成模板的更新。实验表明，该算法对跟踪过程中目标外观的变化有着良好的适应性，同时多模板可抑制CNN在跟踪时产生的模板漂移问题。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
