文献类型：期刊文章

作　　者：陈仁祥[1] 何家乐[1] 杨黎霞[2] 余腾伟[1] 张霞[1]

Chen Renxiang;He Jiale;Yang Lixia;Yu Tengwei;Zhang Xia(Chongqing Engineering Laboratory for Transportation Engineering Application Robot,Chongqing Jiaotong University,Chongqing 400074,China;Business and Management College,Chongqing University of Science&Technology,Chongqing 401331,China)

机构地区：[1]重庆交通大学交通工程应用机器人重庆市工程实验室,重庆400074 [2]重庆科技学院工商管理学院,重庆401331

出　　处：《仪器仪表学报》

基　　金：重庆市教委科学技术研究项目(KJZD-M202200701);重庆市自然科学基金(CSTB2023NSCQ-MSX0177);重庆市研究生联合培养基地项目(JDLHPYJD2021007);重庆市专业学位研究生教学案例库(JDALK2022007);重庆市研究生科研创新项目(2023S0072)资助

年　　份：2023

卷　　号：44

期　　号：6

起止页码：66-73

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对在长时跟踪过程中因丢失视野导致目标跟踪失败的问题,提出了基于加权在线样本更新的目标长时跟踪方法。首先,使用ResNet50网络提取目标深度特征并增强初始帧样本优化目标模型,提高初始帧样本权重影响;然后,利用目标模型对测试帧样本进行分类,并采用置信度分值加权在线学习样本以增强样本质量,提升模型的分类效果;其次,使用置信度分值判别目标状态并跟踪定位目标,目标丢失时使用时空约束搜索在丢失处自适应扩展区域并随机搜索目标,同时利用在线学习快速优化目标模型,增强其对目标的搜索能力;最后,针对搜索过程设计一种自适应阈值判别方法,充分利用图像背景信息,将目标丢失时背景置信度分值作为判别阈值,降低搜索过程中相似背景的影响以准确找回目标。使用LTB50数据集进行实验验证,成功率和跟踪F-score分别为66.1%和64.4%,优于其他方法;在四足移动机器人平台上进行真实场景实验,目标完全遮挡和视野外两种情况下成功率分别为87.8%和85.8%,证明了方法的有效性。

关 键 词：长时跟踪  在线学习  时空约束搜索  自适应阈值

分 类 号：TH39]