一种易于初始化的类卷积神经网络视觉跟踪算法

ByGrith4

摘 要：该文针对视觉跟踪中运动目标的鲁棒性跟踪问题，基于主成分分析(PCA)和卷积神经网络(CNN)，提出一
种易于初始化的类 CNN 提取深度特征的视觉跟踪算法。该算法首先利用仿射变换对原始图像进行处理，然后对归
一化尺寸的图像进行分层 PCA 学习，将学习得到的 PCA 特征向量作为 CNN 结构中的各阶滤波器，完成特征提
/ y8 ?" [3 d4 G! m取网络的初始化，再利用特征提取网络获取目标的深层次表达。最后结合粒子滤波，利用一个简单的逻辑回归分类
: t0 D- V; l1 Z# ~; ~器通过分类估计实现目标跟踪。结果表明，利用这种易于初始化的 CNN 提取到的深度特征能够有效地区分目标和
. r7 g( N2 r' S7 @2 V6 h) V' E( Y背景，具有很好的可区分性，提出的视觉跟踪算法对光照变化、尺度变化、遮挡、旋转和摄像机抖动等都具有良好
( r9 V7 i- t9 t8 _8 n* b的适应性，在许多视频序列上表现出了较好的鲁棒性和准确性。
关键词：视觉跟踪；深度学习；特征提取；卷积神经网络；主成分分析；仿射变换
1 引言
视觉跟踪是计算机视觉领域一个非常重要的研
究方向，该技术在无人机、机器人、智能监控等诸
多军民领域有着极为广泛的应用。多年来，学者们
" t; t/ Y$ n5 R  @( ?
. W% B1 E3 B5 y! G" y& q" e& T# |



+ V3 v% {, o5 S4 ~  N9 ~
& ?) _+ D" l) p+ k
2 _& v# f+ q: }/ U' Z附件下载：

游客，如果您要查看本帖隐藏内容请回复

5 x- Q: X) O" H+ J5 u# O

TaylorA

谢谢诶分享