论文部分内容阅读
深度学习算法的出现,为解决目标跟踪中具有挑战性的目标变形,尺度变化,复杂背景等问题提供了新的解决方案.在核相关滤波跟踪框架下,利用离线训练好的卷积神经网络,提取由低至高不同卷基层的目标特征图,层次化地构造目标外观模型.同时,为有效处理目标尺度变化,在提取好的深度特征基础上,利用似物性采样机制,设计动态拒绝采样策略,提升了跟踪性能.标准测试集上的实验结果表明,本文算法在处理尺度变化、运动模糊等问题时具有较好的跟踪精度和鲁棒性.