基于孪生卷积神经网络的目标跟踪算法研究

摘要

传统的目标跟踪算法采用人工特征描述物体特征,这类人工设计的特征不能全面地表达一个物体的特点,在跟踪过程中这些特征点容易受到外界因素的影响,导致跟踪效果不稳定。基于卷积神经网络的目标跟踪算法由于采用卷积神经网络提取物体的深层次特征,这类特征能够模仿人脑描述学习一个物体的深层特征,使得在跟踪中具有较高的稳定性,目标不容易丢失且跟踪的准确性更高,能够适应复杂多变的环境鲁棒性更好。本文提出的算法采用Tensorflow搭建网络框架,离线训练模型,然后利用OpenCV调用训练好的模型进行目标跟踪实验。算法在确保较高的跟踪准确性基础上,又得到了较快的跟踪速度、且显示出很强的实时性,具有一定的实际应用价值。