融合ELM和相关滤波的鲁棒性目标跟踪算法

作     者：王欣远 肖嵩 李磊 焦玲玲 WANG Xinyuan;XIAO Song;LI Lei;JIAO Lingling

作者机构：西安电子科技大学综合业务网理论及关键技术国家重点实验室陕西西安710071 国防科技大学信息通信学院陕西西安710016 

基　　金：国家自然科学基金(61372069) 高等学校学科创新引智计划(111计划)(B08038) 

出 版 物：《西安电子科技大学学报》 (Journal of Xidian University)

年 卷 期：2019年第46卷第1期

页      码：57-63页

摘      要：为解决目前主流相关滤波跟踪方法中跟踪结果容易陷入局部最优值以及因引入深度学习带来的特征提取过程过慢的问题,提出一种融合极限学习机和相关滤波器的鲁棒性目标跟踪算法。该算法在C-COT算法的基础上对其特征提取方式和置信图的寻优方法进行改善。首先,利用多层稀疏自编码极限学习机技术,设计新的特征提取模型,以代替原来的卷积神经网络,可快速且高效地提取图像特征;其次,在特征提取模型之后,添加在线序列极限学习机,构建目标粗糙位置估计模型,采用多峰检测方法初步求得目标的预测位置;第三,根据初步的目标预测位置确定置信图的搜索区域,避免跟踪结果陷入局部最优值;最后,在3个目标跟踪标准数据集上验证新算法的有效性。实验结果表明,新算法的跟踪速度是C-COT算法的12.9倍,且对遮挡、运动模糊以及相似目标等有较强的鲁棒性,可有效地提高跟踪精度和速度。

主 题 词：视觉目标跟踪 相关滤波 极限学习机 特征提取 C-COT算法 

学科分类：0808[工学-自动化类] 0809[工学-计算机类] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.19665/j.issn1001-2400.2019.01.010

馆 藏 号：203572772...