结合定向扰动和HOG特征的卷积神经网络目标跟踪

作者：赵赫东; 何小冬; 何苗; 贺逸豪; 雷俊茹目标跟踪卷积神经网络粒子滤波器hog特征

摘要：基于深度学习的目标跟踪中,针对当目标发生快速移动、摄像机偏移、目标丢失时会严重影响跟踪器的精度、稳定性和成功率的问题,提出定向扰动算法.利用卷积神经网络可以定位的特点.改变粒子滤波器的扰动中心;定向扰动采样;使得候选样本更加接近真实位置,加速目标找回,防止目标丢失,进而提升跟踪器的精度和成功率.在决策阶段,先得到定位热点图;再提取前后帧目标HOG特征;最后计算相似度找到最优解.在加入HOG特征后,跟踪器可以适应更多的复杂场景,提升了跟踪器的鲁棒性.在obt-13基准数据库上,与FCNT,MEEM等算法进行实验的结果表明,在资源占用量很小的情况下,文中算法能有效地提升跟踪的精度、成功率以及鲁棒性,可以更好地应用于实际场景,并可扩展到其他跟踪器中.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社