基于VGG网络的鲁棒目标跟踪算法

发布时间：2025-08-12 17:18

　　 针对传统目标跟踪算法中当目标被遮挡和受光照强度变化等多种因素干扰时,相关滤波器模板更新不准确,误差逐帧累积最终导致目标跟踪失败,提出了一种基于VGG网络的鲁棒目标跟踪算法。首先通过VGG网络对第1帧输入图像中的局部上下文区域提取平均特征图来建立相关滤波器模板;然后通过VGG网络对后续帧输入图像中的局部上下文区域提取平均特征图和仿射变换平均特征图;其次与核相关滤波跟踪算法相结合,自适应确定目标位置和最终目标位置;最后自适应更新最终平均特征图和最终相关滤波器模板。实验结果表明,本文算法在目标被遮挡和受光照强度变化等多种因素干扰时,仍具有较高的目标跟踪精度和较强的鲁棒性。

【文章页数】：8 页

【部分图文】：

图1 VGG网络结构

目标实时跟踪是计算机视觉领域重要研究方向之一[1-3],存在于人们生活的方方面面,但目标在跟踪过程中存在多种因素的干扰,例如目标被遮挡和受光照强度变化影响等,而卷积神经网络在计算机视觉中展现出了突出的性能,例如目标检测[4]和语义分割[5]等,卷积神经网络依靠其优秀的特征提取....

图2 VGG网络中不同卷积块的特征图

给定第一帧输入图像和目标位置,首先确定第一帧输入图像局部上下文区域,目标位置为给定目标位置,大小为W×H,W和H分别定义为目标矩形框宽和高的2.5倍;然后根据VGG网络对输入图像大小的要求,采用线性插值方式将局部上下文区域图像大小调整为224×224;最后将局部上下文区域图像传递....

图3 仿射变换示例图

目标跟踪过程中会发生尺度变化和旋转变形,本文引入仿射变换以解决目标在跟踪过程中发生尺度变化和旋转变形时相关滤波器模板更新不准确问题。常用的仿射变换如图3所示,图像经过旋转、缩放、拉伸和倾斜仿射变换后得到的图像具有不变性,即直线依然是直线,平行线依然是平行线,直线相交的角度依然保持....

图4 基于VGG网络的鲁棒目标跟踪算法流程图

本文算法整体流程如图4所示。(1)使用数万幅目标跟踪图像离线预训练VGG网络,并使用训练好的VGG网络模型对输入图像提取特征。

本文编号：4058868