首页|优化分类模块和估计模块的快速鲁棒目标跟踪方法

优化分类模块和估计模块的快速鲁棒目标跟踪方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Fast robust target tracking method with optimized classification component and estimation component

熊丽婷、张绍彪、娄莉

展开 >

南昌交通学院电气与信息工程分院,南昌330100

西北工业大学电子信息学院,西安710072

跟踪器 分类与估计 高阶特征 鲁棒性 重叠精度指标

国家自然科学基金资助项目教育部产学研合作协同育人项目江西省教育厅科学技术研究项目

61401360201901149006GJJ191583

2021

10.19734/j.issn.1001-3695.2021.01.0072

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(11)
  • 9