ECO跟踪算法中CNN分层插值及加权策略改进

作     者：陈志旺 王昌蒙 王莹 宋娟 彭勇 Chen Zhiwang;Wang Changmeng;Wang Ying;Song Juan;Peng Yong

作者机构：燕山大学工业计算机控制工程河北省重点实验室秦皇岛066004 燕山大学国家冷轧板带装备及工艺工程技术研究中心秦皇岛066004 

基　　金：国家自然科学基金(61573305)资助项目 

出 版 物：《高技术通讯》 (Chinese High Technology Letters)

年 卷 期：2020年第30卷第6期

页      码：570-578页

摘      要：本文是在深度特征与相关滤波相结合的高效卷积运算符(ECO)目标跟踪算法基础上进行的改进。首先,为了提高跟踪速度,提出“浅层特征不插值,深层特征插值”的卷积神经网络(CNN)分层插值处理方法,对具有较高分辨率的浅层特征不插值,对分辨率低的深层特征进行插值计算来提高分辨率;其次,改进了样本空间分类策略,给CNN特征层分配不同的权重,突出不同特征层对样本间距离的影响,并且将所有样本信息都保留在训练样本集中;最后,应用判别尺度空间跟踪(DSST)算法提出的对目标尺度估计的方法,增加了目标尺度的候选数量,使尺度估计更加准确。实验结果验证了所设计算法的有效性。

主 题 词：目标跟踪 高效卷积运算符(ECO) 卷积神经网络(CNN) 相关滤波 尺度估计 

学科分类：0810[工学-土木类] 08[工学] 0805[工学-能源动力学] 0812[工学-测绘类] 

D　O　I：10.3772/j.issn.1002-0470.2020.06.004

馆 藏 号：203949896...