APP下载

基于二阶池化特征融合的孪生网络目标跟踪算法

2022-07-13陈茂林侯志强余旺盛马素刚

空军工程大学学报 2022年3期
关键词:精确度特征

陈茂林, 侯志强, 余旺盛, 马素刚, 蒲 磊

(1.西安邮电大学计算机学院,西安,710121;2.西安邮电大学陕西省网络数据分析与智能处理重点实验室,西安,710121;3.空军工程大学信息与导航学院,西安,710077;4.火箭军工程大学作战保障学院,西安,710025)

目标跟踪是计算机视觉领域中最重要的研究方向之一[1],是指在视频初始帧中给出目标,在后续帧中对目标进行状态估计和精准定位的过程[3],在安防、监控和巡检等领域有着广泛的应用[4-5]。

目前,要实现鲁棒的目标跟踪器依然面临着诸多困难,主要包括相似背景、尺度变化和目标遮挡等[6]。Wang等[7]通过实验表明:良好的特征表达是实现鲁棒的目标跟踪系统的关键因素之一。众多学者也先后设计了灰度、颜色和方向梯度直方图等手工特征,在简单场景中具有良好的性能表现,但是在复杂场景中性能不佳。近年来,卷积神经网络(convolutional neural networks, CNN)[8]在计算机视觉领域中得到了广泛应用,并在图像分类、目标检测和图像分割等任务中获得大幅度的性能提升。Bertinetto等[9]提出全卷积的孪生网络目标跟踪算法SiamFC,将目标跟踪问题转化为相似性匹配问题,取得了良好的跟踪性能。Li等人[10]提出SiamRPN算法,将孪生网络与区域建议网络结合,实现了灵活应对目标尺度的变化。Zhu等[11]提出DaSiamRPN算法,通过引入干扰感知模块,增加训练时的负样本,使模型有效地捕捉更多上下文信息以适应目标外观变化。

但是,孪生网络对同类目标中特定目标的特征表达能力不足,不能很好地将特定目标从同类目标中区分出来,同时,由于基于孪生网络的目标跟踪算法大多数都只使用了一阶图像信息表示,这严重限制了孪生网络的非线性建模能力,因此需要学习高阶统计信息表示来增强非线性建模能力[12]。……

登录APP查看全文

猜你喜欢

精确度特征
“硬核”定位系统入驻兖矿集团,精确度以厘米计算
如何表达“特征”
不忠诚的四个特征
放缩法在递推数列中的再探究
线性代数的应用特征