南京邮电大学学报(自然科学版)

作者：葛垚,陈瑞,童莹,曹雪虹

单位：南京邮电大学 通信与信息工程学院，江苏南京210003南京工程学院 信息与通信工程学院，江苏南京211167南京工程学院 信息与通信工程学院，江苏南京211167南京工程学院 信息与通信工程学院，江苏南京211167

关键词：卷积神经网络；特征对比；循环神经网络；离线训练

基金：国家自然科学基金（61703201）和江苏省自然科学基金（BK20170765）资助项目

为了在目标跟踪任务中利用循环神经网络善于处理时间序列的能力，提高跟踪效果，文中针对单目标非特定物体的跟踪提出了主要基于“卷积+循环”的深度神经网络框架。框架中采用卷积神经网络提取不同层级特征、全连接网络进行特征对比，并采用循环神经网络传递物体特征和运动信息。实验方法为“离线训练+在线跟踪”。训练时为了更快收敛，将卷积层预训练权重滞后更新，并逐步增加视频长度；在线跟踪时仅更新循环神经网络间传递的隐藏状态，这样既更新了目标特征，也保证了算法的跟踪速度。最终实验结果表明，基于“卷积+循环”网络的目标跟踪器实时性达到150帧/s，与目前的一些高速跟踪算法相比，有更高的预测重叠率，且在大部分视频场景下鲁棒性更好。

来源：2019年第4期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2019年第4期