计算机应用研究

作者：李刚,张宇博,孙姜燕,申丹,

单位：1.长安大学电子与控制工程学院,西安710064；2.西安外事学院工学院,西安710077；3.西安石油大学电子工程学院,西安710065；

关键词：目标跟踪,卷积网络,深度学习,

基金：西安市科学技术局科技创新引导项目(201805045YD23CG29(5))；中央高校基本科研业务费专项资金项目(300102329203)；；

在目标跟踪算法中深度网络可以对大量图像进行训练和表示，但是对于特定的跟踪对象，离线训练不仅费时，而且在对大量图像进行学习时，其表示和识别能力效果不佳。基于以上问题提出有模板更新的卷积网络跟踪算法，可以在没有离线训练的大量数据时，也能够利用实现强大的目标跟踪能力。在目标跟踪中，从目标周围区域提取一组归一化的局部小区域块作为新的滤波器，围绕目标定义下一帧中的一组特征映射来提取自适应滤波器周围目标，对随后帧提取的归一化样本进行卷积操作生成一组特征图；利用这些特征图获取每个滤波器和目标的局部强度衍射图样之间的相似性，然后对其局部结构信息进行编码；最后，使用来自全局表示的特征图保存该目标的内部几何设计，再通过软收缩方法去噪抑制噪声值，使其低于自适应阈值，生成目标的稀疏表示。有模板更新改进的CNT算法能稳定地跟踪目标，不会发生严重漂移，具有优于传统CNT的良好跟踪效果。

来源：2020年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第7期