-
题名融合多特征和通道感知的目标跟踪算法
被引量:5
- 1
-
-
作者
赵运基
范存良
张新良
-
机构
河南理工大学电气工程与自动化学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2022年第6期1417-1428,共12页
-
基金
国家自然科学基金(U1504506)
河南省科技攻关项目(192102210073)
+1 种基金
河南省高等学校青年骨干教师培养计划(2017GGJS051)
河南省高校基本科研业务费项目(NSFRF200310)。
-
文摘
针对深度特征描述目标在跟踪过程中出现漂移或过拟合的问题,提出了一种融合多特征和通道感知的目标跟踪算法。应用预训练模型提取跟踪目标的深度特征,依据该特征构建相关滤波器并计算各通道对应滤波器的权重系数,根据权重系数对特征通道进行筛选;对保留的特征通过标准差计算生成统计特征并与原特征融合,采用融合后的特征构建相关滤波器并做相关运算,获取特征响应图确定目标的位置及尺度;利用跟踪结果区域的深度特征对融合特征构建的滤波器进行稀疏在线更新。所提算法和目前一些主流的跟踪算法在公共数据集OTB100、VOT2015和VOT2016上进行测试。与UDT相比,在不影响跟踪速度的同时,该算法具有更强的鲁棒性和更高的跟踪精度。实验结果表明,所提出的算法在目标尺度发生变化、快速运动和背景干扰等挑战下均表现出较强的鲁棒性。
-
关键词
目标跟踪
深度特征
通道筛选
特征融合
稀疏更新
-
Keywords
object tracking
depth feature
channel screening
feature fusion
sparse update
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名自适应卷积特征选择的实时跟踪算法
被引量:2
- 2
-
-
作者
熊昌镇
车满强
王润玲
-
机构
城市道路交通智能控制技术北京市重点实验室
北方工业大学理学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2018年第11期1742-1750,共9页
-
基金
国家重点研发计划基金项目(2017YFC0821102)~~
-
文摘
目的针对深度卷积特征相关滤波跟踪算法因特征维度多造成的跟踪速度慢及其在目标发生形变、遮挡等情况时存在跟踪失败的问题,提出了一种自适应卷积特征选择的实时跟踪算法。方法该算法先分析结合深度卷积特征的相关滤波跟踪算法定位目标的特性,然后提出使用目标区域和搜索区域的特征均值比来评估卷积操作,选取满足均值比大于阈值的特征通道数最多的卷积层,减少卷积特征的层数及维度,并提取该卷积层的有效卷积特征来训练相关滤波分类器,最后采用稀疏的模型更新策略提高跟踪速度。结果在OTB-100标准数据集上进行算法测试,本文算法的平均距离精度值达86. 4%,平均跟踪速度达29. 9帧/s,比分层卷积相关滤波跟踪算法平均距离精度值提高了2. 7个百分点,速度快将近3倍。实验结果表明,本文自适应特征选择的方式在保证跟踪精度的同时有效地提升了跟踪的速度,且优于当前使用主成分分析降维的方式;与现有前沿跟踪算法对比,本文算法的整体性能优于实验中对比的9种算法。结论该算法采用自适应卷积通道和卷积层选择的方式有效地减少了卷积层数和特征维度,降低了模型的复杂度,提升了跟踪速度,利用稀疏模型更新策略进一步提升了跟踪的速度,减少了模型漂移现象,当目标发生快速运动、遇到遮挡、光照变化等复杂场景时,仍可实时跟踪到目标,具有较强的鲁棒性和适应性。
-
关键词
机器视觉
目标跟踪
深度学习
通道裁剪
相关滤波
稀疏更新
-
Keywords
machine vision
object tracking
deep learning
channel pruning
correlation filter
sparse updating
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名卷积通道裁剪与加权融合的精定位视觉跟踪
- 3
-
-
作者
车满强
李树斌
葛金鹏
-
机构
广州海格通信集团股份有限公司无人系统技术创新中心
-
出处
《激光与光电子学进展》
CSCD
北大核心
2020年第16期324-331,共8页
-
文摘
为提高卷积相关滤波算法的速度和精度,提出一种基于通道裁剪与加权融合的跟踪算法。该算法选取适合目标跟踪的单层卷积特征,通过特征均值比裁剪无效卷积通道,再融合一维灰度特征,提升了特征的表征能力。然后以特征均值比为卷积通道权重构造加权相关滤波算法,预测目标位置,并用帧差均值最小化精定位方法减小预测位置误差;最后通过更新跟踪模型,以进一步提高算法速度。在标准数据集OTB-100上对算法进行测试。结果表明,所提算法的平均距离精度为91.3%,平均速度为31.8frame/s。所提算法可有效提高目标跟踪的速度和精度,在目标遇到遮挡、尺度变化、快速运动及形变时仍可有效跟踪目标。
-
关键词
机器视觉
视觉跟踪
相关滤波
通道裁剪
通道加权
目标精定位
稀疏更新
-
Keywords
machine vision
visual tracking
correlation filter
channel pruning
channel weighting
Object accurate location
sparse update
-
分类号
TP394.1
[自动化与计算机技术—计算机应用技术]
-