摘要
为了平衡跟踪器的分类与估计模块间的性能差距,提出一种模块性能均衡的跟踪器.首先,通过大量离线学习,将高阶特征纳入目标估计中;然后,对目标估计模块进行训练,预测目标对象与估计跟踪框之间的重叠.为了提高所提分类模块在面对干扰物时的鲁棒性,引入在线训练的分类模块,采用了难分样本挖掘方法,确保较高的区分能力.在OTBI00、VOT2016和TrackingNet三个公开数据集上进行实验,结果表明,与相关滤波、多域网络等方法相比,所提方法的重叠精度指标更优、跟踪精度更高,且收敛性明显快于梯度下降法,运行速率达到实时要求.
基金项目
国家自然科学基金资助项目(61401360)
教育部产学研合作协同育人项目(201901149006)
江西省教育厅科学技术研究项目(GJJ191583)
国家科技期刊平台
NSTL
维普
万方数据