基于感知深度神经网络的视觉跟踪

来源：电子与信息学报杂志2016年第7期北京时间：

作者：侯志强, 戴铂, 胡丹, 余旺盛, 陈晨, 范舜奕

摘要：视觉跟踪系统中，高效的特征表达是决定跟踪鲁棒性的关键，而多线索融合是解决复杂跟踪问题的有效手段。该文首先提出一种基于多网络并行、自适应触发的感知深度神经网络；然后，建立一个基于深度学习的、多线索融合的分块目标模型。目标分块的实现成倍地减少了网络输入的维度，从而大幅降低了网络训练时的计算复杂度；在跟踪过程中，模型能够根据各子块的置信度动态调整权重，提高对目标姿态变化、光照变化、遮挡等复杂情况的适应性。在大量的测试数据上进行了实验，通过对跟踪结果进行定性和定量分析表明，所提出算法具有很强的鲁棒性，能够比较稳定地跟踪目标。

关键词：视觉跟踪, 特征表达, 深度学习, 感知深度神经网络

基金资助：国家自然科学基金(61175029, 61473309)，陕西省自然科学基金(2015JM6269，2015JM6269，2016JM6050)