摘要
在视频目标跟踪中,由于环境以及目标形变等因素的影响,会导致跟踪算法出现鲁棒性差的问题,针对该问题提出了一种基于预训练卷积神经网络,在粒子滤波框架下将深度特征和手工特征相结合的视觉目标跟踪算法.该算法通过卷积神经网络对数万张通用目标图像进行离线预训练,得到可以对通用目标进行表示的从简单到复杂的结构性特征,再在粒子滤波跟踪框架下将深度特征和手工特征相结合用于目标跟踪.同时,该算法以一种懒惰的方式更新跟踪模型,避免了模板频繁更新而导致的昂贵计算代价.实验结果表明,与已有的传统粒子滤波跟踪方法相比,该方法在现有的跟踪基准测试中显示出优越的性能,在复杂背景、光照以及目标形变等恶劣条件影响下仍能稳定地跟踪目标,具有更强的鲁棒性.
国家科技期刊平台
NSTL
维普
万方数据