基于卷积神经网络与一致性预测器的鲁棒视觉跟踪机器视觉
1 西南科技大学 计算机科学与技术学院
2 四川大学计算机学院
3 西南科技大学计算机学院
针对视频序列的鲁棒性目标跟踪问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)与一致性预测器(Conformal Predictor,CP)的视觉跟踪算法。该算法首先构建一个双路输入卷积神经网络模型,同步提取视频帧采样区域和目标模板的高层特征,利用逻辑回归方法区分目标与背景区域,然后将卷积神经网络嵌入到一致性预测器框架中,利用算法随机性检验来评估分类结果的可靠性,在指定风险水平下,以域的形式输出具有可信度指标的分类结果。最后选择高可信度区域作为候选目标区域,通过优化时空域全局能量函数获得目标轨迹。实验结果表明,该算法能够适应目标遮挡、外观变化以及背景干扰等复杂情况,比当前多种流行跟踪算法具有更强的鲁棒性和准确性。
高琳, 王俊峰, 范勇, 陈念年. 基于卷积神经网络与一致性预测器的鲁棒视觉跟踪[J]. 光学学报, 2017, 37(8): 3.
DOI:10.3788/aos201737.08机器视觉03