一种利用在线卷积网络的视频目标跟踪方法  

Video Object Tracking Via Online Convolutional Network

作　　者：管皓[1] 薛向阳[1] 安志勇[1,2] 

机构地区：[1]复旦大学计算机科学技术学院上海市智能信息处理重点实验室,上海201203 [2]山东工商学院计算机科学与技术学院,山东烟台264005

出　　处：《小型微型计算机系统》2017年第4期872-875,共4页Journal of Chinese Computer Systems

基　　金：上海市科委项目(15511104402)资助;山东省自然科学基金项目(ZR2013FL018)资助

摘　　要：针对传统卷积网络需要耗费大量离线训练时间和带标签样本的问题,提出一种在线卷积网络模型并应用于视频目标跟踪.首先通过层级K-means算法获取卷积网络不同层的滤波器组,而后通过这些滤波器在线提取目标的层级外观特征图.同时,层间降采样操作被去除以便不损失空间信息.最后得到的特征图通过多通道相关滤波器预测目标的位移变化.实验表明,本文算法可以有效对抗背景纹理、光照变化等噪声干扰,具备较高的跟踪精度.Convolufional network models often need massive offline training time and labeled dataset. To avoid this,this paper propo- ses an online convolutional network for video object tracking. The target is represented by hierarchical features extracted by cascaded filters learned by K-means. Down-sampling operations are eliminated to preserve more spatial information. A multi-channel correla- tion filter is adopted as the classifier to localize the target. Experimental results demonstrate that the proposed tracking algorithm is ro- bust to background clutter and illumination change with high accuracy.

关 键 词：目标跟踪 卷积网络 在线学习 相关滤波 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]