关联动态特征的目标自适应跟踪算法

TP18; 在复杂的靶场试验场景中,试验现场常常涉及扬尘、强光、遮挡等多变的 自然环境.针对这种情况下快速运动的 目标物体跟踪,提出了一种关联动态特征的单目标跟踪算法.首先使用门控循环单元(Gated Recurrent Unit,GRU)提取待跟踪目标的时序动态特征,获得候选处理 目标框集合;然后利用卷积网络(Convolutional Neural Network,CNN)提取候选目标框的深度卷积特征并确定 目标位置,同时分离出背景卷积特征;在跟踪过程中,使用分离出的背景卷积特征图对网络进行参数更新,增强网络的鲁棒性与 自适应性.实验结果表明,所提出的算法可以对靶场图像采集系统中的被试移动...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电子技术应用 2022, Vol.48 (11), p.57-62
Hauptverfasser: 孙志成, 董一杰, 胡爱兰, 张瑞权
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TP18; 在复杂的靶场试验场景中,试验现场常常涉及扬尘、强光、遮挡等多变的 自然环境.针对这种情况下快速运动的 目标物体跟踪,提出了一种关联动态特征的单目标跟踪算法.首先使用门控循环单元(Gated Recurrent Unit,GRU)提取待跟踪目标的时序动态特征,获得候选处理 目标框集合;然后利用卷积网络(Convolutional Neural Network,CNN)提取候选目标框的深度卷积特征并确定 目标位置,同时分离出背景卷积特征;在跟踪过程中,使用分离出的背景卷积特征图对网络进行参数更新,增强网络的鲁棒性与 自适应性.实验结果表明,所提出的算法可以对靶场图像采集系统中的被试移动目标进行自适应跟踪,并且在复杂环境背景下算法仍能保持优异的鲁棒性与适应性.
ISSN:0258-7998
DOI:10.16157/j.issn.0258-7998.212358