文献类型：期刊文章

作　　者：陈志旺[1,2] 张忠新[1] 宋娟[3] 罗红福[1] 彭勇[4]

Chen Zhiwang;Zhang Zhongxin;Song Juan;Luo Hongfu;Peng Yong(Key Laboratory of Industrial Computer Control Engineering of Hebei Province,Yanshan University,Qinhuangdao,Hebei 066004,China;National Engineering Research Center for Equipment and Technology of Cold Strip Rolling,Yanshan University,Qinhuangdao,Hebei 066004,China;Jiamusi Electric Power Company,State Grid Heilongjiang Electric Power Co.,Ltd.,Jiamusi,Heilongjiang 154002,China;School of Electrical Engineering,Yanshan University,Qinhuangdao,Hebei 066004,China)

机构地区：[1]燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004 [2]燕山大学国家冷轧板带装备及工艺工程技术研究中心,河北秦皇岛066004 [3]国网黑龙江省电力有限公司佳木斯供电公司,黑龙江佳木斯154002 [4]燕山大学电气工程学院,河北秦皇岛066004

出　　处：《光学学报》

基　　金：国家自然科学基金(61573305)。

年　　份：2020

卷　　号：40

期　　号：9

起止页码：104-120

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：孪生网络跟踪算法是利用离线训练好的网络提取目标特征并进行匹配,从而实现跟踪。而离线训练深度特征在表征任意形式目标时将目标从背景中分离开的性能较差。为此,提出一种基于目标感知特征筛选的孪生网络跟踪算法。将经过裁剪处理后的模板帧和检测帧送入到ResNet50的特征提取网络分别提取目标和搜索区域的浅层、中层、深层特征;在目标感知模块中,通过设计一个回归损失函数来学习对目标敏感的特征,根据反向传播的梯度来确定每个卷积核的重要性程度,并以此来激活相对重要的卷积核筛选较重要的目标感知特征;将筛选得到的特征送入到SiamRPN模块,进行目标、背景的二分类判别和边界框的坐标回归,从而得到一个精确的目标边界框。在OTB2015和VOT2018两个标准数据集上进行测试实验,结果表明该算法可以实现对目标的稳健性跟踪。

关 键 词：机器视觉 目标跟踪 孪生网络  目标感知  

分 类 号：TP391.4]