基于动态模式和卷积特征的单目标跟踪算法

作     者：张博言 钟勇 李振东 ZHANG Boyan;ZHONG Yong;LI Zhendong

作者机构：中国科学院成都计算机应用研究所四川成都610041 中国科学院大学北京100049 

出 版 物：《西北工业大学学报》 (Journal of Northwestern Polytechnical University)

年 卷 期：2019年第37卷第6期

页      面：1310-1319页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：四川省科技厅科技成果转化项目(2014CC0043)资助 

主　　题：目标跟踪 卷积神经网络 长短期记忆网络 

摘      要：基于深度特征的目标跟踪网络凭借其对目标视觉特征强大的表征能力获得了令人印象深刻的表现。然而,在一些复杂的跟踪场景中常常涉及目标物体快速运动、光线变化、旋转等,仅仅依赖深度视觉特征难以准确地表征目标物体。针对以上问题,提出了一种基于融合特征的视频单目标跟踪网络。该网络结合了2种深度学习模型:卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long short-term memory,LSTM)。首先,运用长短期记忆网络提取目标基于时间序列的动态特征,产生当前时刻的目标状态,由此获得准确的预处理目标框;然后基于产生的预处理目标框,使用卷积神经网络提取目标的深度卷积特征,确定目标位置;在跟踪过程中,通过采集成功跟踪时目标样本,对网络参数进行短期和长期更新,以增强网络的适应性。对比实验结果表明,所提出的方法在目标运动过程中被部分遮挡、运动模糊、快速运动情况下具有优异的跟踪表现和鲁棒性。