基于孪生神经网络在线判别特征的视觉跟踪算法

发布时间：2021-11-21 01:47

　　基于孪生神经网络的跟踪算法是利用离线训练的网络提取目标的特征并进行匹配,从而实现跟踪。在离线训练过程中,网络学到的是相似目标的通用特征,因此当有相似目标干扰时,用这种通用特征表达特定目标将会导致跟踪性能下降,甚至丢失目标。为提高对相似目标的判别能力,通过在线更新网络参数,使网络能够在通用特征的基础上,进一步学到当前目标的特定特征,这样不仅能有效地区分目标与背景,还能消除相似目标的干扰。实验在OTB50和OTB100数据库上进行,结果表明该算法可以提高对网络提取特征的判别力,实现对目标的稳健性跟踪。 

【文章来源】：光学学报. 2019,39(09)北大核心EICSCD

【文章页数】：9 页

【文章目录】：
1 引 言
2 本文方法
    2.1 通用特征学习
    2.2 特定特征学习
    2.3 网络在线更新
        1) 首帧更新。
        2）间隔更新。
        3) 失败更新。
3 实验分析
    3.1 参数设置标准
    3.2 OTB数据库结果分析
        3.2.1 总体性能分析
            1) OTB50基准数据库。
            2) OTB100基准数据库。
        3.2.2 属性分析
        3.2.3 定性分析
4 结 论


【参考文献】：
期刊论文
[1]基于深度特征的快速人脸图像检索方法[J]. 李振东,钟勇,陈蔓,曹冬平.  光学学报. 2018(10)
[2]基于特征融合和尺度自适应的干扰感知目标跟踪[J]. 李双双,赵高鹏,王建宇.  光学学报. 2017(05)



本文编号：3508512