自适应特征选择的分层卷积视觉跟踪

作     者：熊昌镇 车满强 葛金鹏 XIONG Chang-zhen;CHE Man-qiang;GE Jin-peng

作者机构：北方工业大学城市道路交通智能控制技术北京市重点实验室北京100144 广州海格通信集团股份有限公司广州510663 

出 版 物：《光子学报》 (Acta Photonica Sinica)

年 卷 期：2019年第48卷第3期

页      面：166-173页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 

基　　金：国家重点研发计划(No.2017YFC0821102)~~ 

主　　题：机器视觉 视觉跟踪 相关滤波 卷积神经网络 通道选择 

摘      要：为提升分层卷积相关滤波跟踪算法的速度和精度,减少无效卷积通道特征对跟踪精度的影响,提出一种自适应特征选择的分层卷积相关滤波跟踪方法.该方法选取能表征目标的双层卷积特征,将相关滤波训练与预测合并,在视频序列的每一帧计算上一帧目标区域与非目标区域的卷积特征均值比,选取满足特征均值比要求的卷积通道特征训练相关滤波分类器,根据分类器与目标特征的最大响应值预测目标位置;最后根据预测结果稀疏更新目标初始帧特征,作为后续帧训练分类器的依据.在OTB-100标准数据集上对算法进行测试,实验结果表明本文算法的平均距离精度为91%,平均重叠率精度为64.4%,平均速度为21.7帧/秒,比原分层卷积相关滤波跟踪算法分别高出7.3、8.2个百分点和11.3帧/秒,该算法的平均距离精度比高精度的连续卷积跟踪算法(CCOT)高1.2个百分点,跟踪速度是CCOT的近20倍.本文算法可以有效提升分层卷积跟踪算法的速度和精度,在目标发生遮挡、快速运动等干扰时能稳定跟踪到目标.