DCNN深度特征与交替方向乘子的相关滤波跟踪

来源：计算机工程与应用杂志2019年第8期北京时间：

作者：吴 刚1，2，曾晓勤2，王池社1，苏守宝1

单位：1.金陵科技学院 计算机工程学院，南京 211169；2.河海大学 计算机与信息学院，南京 210098

摘要：针对采用相关滤波的判别式目标跟踪遇到的瓶颈问题：由于目标快速移动引起边界效应，使得相关滤波器在学习与更新过程中可能会引入错误，最终错误的累积将导致跟踪失败。在采集深度学习特征与样本相似性度量的基础上，提出一种引入交替方向乘子方法的改进相关滤波目标跟踪算法，选择DCNN深度特征有效地表征待跟踪目标的初始状态，通过在线分类过程中样本相似性比对与半监督学习，辅助解决相关滤波器在学习过程中存在的自学习问题。所提目标跟踪算法特别适合训练样本为持续获得的、同时存储空间较小的机器学习过程，提高目标在快速运动与部分遮挡等复杂情况下的跟踪成功率，针对VOT2016标准测试视频的实验表明：当目标面临快速运动时，对比CN、SAMF、STC算法，所提DA-CFT跟踪算法将跟踪成功率分别由60.4%～73.4%、67.2%～82.9%、80.9%～88.1%提升至85.6%～91.0%。

关键词：目标跟踪,相关滤波器,边界效应,深度特征,交替方向乘子,样本相似性