联合检测的自适应融合目标跟踪

刘保成(),朴燕*(),宋雪梅

长春理工大学电子信息工程学院, 吉林 长春 130012

收稿日期:2019-07-22出版日期:2020-06-01发布日期:2020-06-16
通讯作者:朴燕E-mail:719741840@qq.com;piaoyan@cust.edu.cn
作者简介:刘保成(1995—)，男，吉林白山人，硕士研究生，主要研究方向为机器学习,计算机视觉. E-mail:719741840@qq.com
基金资助:吉林省科技支撑资助项目(20180201091GX);吉林省科技创新中心资助项目(20180623039TC)

Adaptive fusion target tracking based on joint detection

Baocheng LIU(),Yan PIAO*(),Xuemei SONG

College of Electronic Information Engineering, Changchun University of Science and Technology, Changchun 130012, Jilin, China

Received:2019-07-22Online:2020-06-01Published:2020-06-16
Contact:Yan PIAO E-mail:719741840@qq.com;piaoyan@cust.edu.cn

Supported by:吉林省科技支撑资助项目(20180201091GX);吉林省科技创新中心资助项目(20180623039TC)

摘要/Abstract

摘要： 由于各种因素的干扰,在现实复杂的情况下目标跟踪过程中可能出现模型漂移和跟踪失败等问题,针对目标跟踪的鲁棒性和准确性提出一种联合检测的自适应融合目标跟踪算法。根据深层和浅层卷积特征具有的不同优点,使它们单独作用于相关滤波器得到其各自的响应分数,通过最小化损失使不同卷积特征的响应分数自适应融合。结合本研究的位置检测方法判断预测位置的有效性和真实性,得到最优的目标跟踪结果。在OTB-2015和VOT-2017两个数据库中进行大量测试,试验结果表明，本研究所提方法与LSART算法相比鲁棒性提高了10%,准确性提高了3.9%,并且对目标遮挡和尺度变化具有出色的性能表现。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1937