基于轻量卷积神经网络的目标跟踪改进算法

作者：苑红晓; 冯玉芳; 潘峰; 殷宏; 白景波; 曾祥熙^*

来源：陆军工程大学学报, 2023, 2(01): 77-85.

• 目标跟踪
• 轻量CNN
• 特征提取
• 特征融合

针对现有目标跟踪算法在跟踪过程中遇到目标形变、遮挡等干扰属性导致不能对目标进行有效跟踪的问题，提出一种基于轻量卷积神经网络(lightweight convolutional neural network, LWCN)的目标跟踪改进算法。首先利用改进的卷积神经网络对模板图片和跟踪图片进行特征提取，并将不同层次的特征图充分利用，解决了随着网络加深而导致部分特征丢失问题；其次融合CN特征和HOG特征作为相关滤波器中目标特征表达，增强在不同干扰属性下的目标描述能力；再次通过最大响应值对当前目标位置和目标尺度进行判断，并决定是否更新滤波器模板；最后将LWCN算法与其他算法在OTB50、OTB100、UAV123等数据集上进行性能对比实验。实验结果表明，LWCN算法具有较好的稳定性和实时性，并在遇到形变、遮挡、光线和背景变化时，跟踪结果优于大部分算法。

• 单位
  中国人民解放军陆军工程大学