控制理论与应用

作者：胡昭华,郑伟,钱坤

单位：南京信息工程大学,南京信息工程大学,南京信息工程大学

关键词：目标跟踪；深度神经网络；残差融合特征；检测模型漂移策略；模型更新

基金：国家自然科学基金项目（61601230），江苏省自然科学基金项目（BK20141004）

传统特征的片面性，传统跟踪模型对于模型漂移问题检测手段和补救措施的缺乏，限制着传统跟踪算法的性能。因此，本文提出一种漂移检测的残差深度特征目标跟踪算法，通过卷积神经网络提取分层特征，然后在卷积神经网络加入残差结构，连接不同的网络层，实现浅层和深层特征的融合，不需要人为设计特征融合方式，网络结构能够自动实现特征融合的功能，用深度特征区分目标和背景，比传统特征更具有分辨力；在预测当前帧的目标位置时，提出了一个检测模型漂移的策略，设计了一个响应强度下降计数器，通过对比相邻帧响应强度的大小计数，根据计数器的数值，用来判断是否出现模型漂移，以采取相对应的模型更新方案作为补救措施，实现精确跟踪。在与当下的几种跟踪算法比较中，本文提出的跟踪算法在跟踪精度和鲁棒性都优于所对比的算法。

来源：2019年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2019年第4期