发表刊物：智能系统学报
刊物所在地：中国人工智能学会;哈尔滨工程大学
关键字：视觉跟踪；深度学习；卷积神经网络；高斯核函数；前景目标；背景信息；模板匹配；粒子滤波
摘要：针对深度学习跟踪算法训练样本缺少、训练费时、算法复杂度高等问题，引入高斯核函数进行加速，提出一种无需训练的简化卷积神经网络跟踪算法。首先，对初始帧目标进行归一化处理并聚类提取一系列初始滤波器组，跟踪过程中结合目标背景信息与前景候选目标进行卷积；然后，提取目标简单抽象特征；最后，将简单层的卷积结果进行叠加得到目标的深层次特征表达。通过高斯核函数加速来提高算法中全部卷积运算的速度，利用目标的局部结构特征信息，对网络各阶段滤波器进行更新，结合粒子滤波跟踪框架实现跟踪。 在 CVPR2013 跟踪数据集上的实验表明，本文方法脱离了繁琐深度学习运行环境，能克服低分辨率下目标局部遮挡与形变等问题，提高复杂背景下的跟踪效率。
备注：不属于SCI，EI
是否译文：否
发表时间：2017-12-05
第一作者：杜永兆,骆炎民,柳培忠,汪鸿翔(学)