基于校正神经网络的视频追踪算法

陈宁宁(),赵建伟*(),周正华

中国计量大学理学院, 浙江 杭州 310018

收稿日期:2019-03-28出版日期:2020-04-20发布日期:2020-04-16
通讯作者:赵建伟E-mail:853078476@qq.com;zhaojw@amss.ac.cn
作者简介:陈宁宁(1994—)，男，陕西汉中人，硕士研究生，主要研究方向为机器学习与视频追踪. E-mail: 853078476@qq.com
基金资助:浙江省自然科学基金资助项目(LY18F020018);浙江省自然科学基金资助项目(LSY19F020001);国家自然科学基金资助项目(61571410)

Visual tracking algorithm based on verifying networks

Ningning CHEN(),Jianwei ZHAO*(),Zhenghua ZHOU

School of Science, China Jiliang University, Hangzhou 310018, Zhejiang, China

Received:2019-03-28Online:2020-04-20Published:2020-04-16
Contact:Jianwei ZHAO E-mail:853078476@qq.com;zhaojw@amss.ac.cn

Supported by:浙江省自然科学基金资助项目(LY18F020018);浙江省自然科学基金资助项目(LSY19F020001);国家自然科学基金资助项目(61571410)

摘要/Abstract

摘要： 针对现有基于深度学习的视频追踪算法关注深层特征而忽略浅层特征以及追踪网络没有对每帧追踪结果进行检测的问题，提出基于校正神经网络的视频追踪算法。该算法包含追踪网络和校正网络。在追踪网络中，考虑到深层特征和浅层边缘特征的融合，设计一个多输入的残差网络，学习目标和对应的高斯响应图之间的关系，从而获得目标对象的位置信息。在校正网络中，设计浅层链式判别网络，将两个网络的追踪结果进行比较，根据比较结果对追踪网络进行在线更新。本算法既考虑了深层特征，又避免了细节信息的丢失;同时，对追踪结果进行评判，防止网络更新中延续错误信息。对比试验说明本研究所提的追踪算法比现有的一些追踪方法取得更好的追踪结果。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1905