基于循环神经网络的非特定目标追踪方法研究

作者：葛垚; 陈瑞; 童莹; 曹雪虹^*

来源：南京邮电大学学报(自然科学版), 2019, 39(04): 103-110.

DOI：10.14132/j.cnki.1673-5439.2019.04.014

• 卷积神经网络
• 特征对比
• 循环神经网络
• 离线训练

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。

• 单位
  南京工程学院; 南京邮电大学; 通信与信息工程学院