基于多专家和MDNet的视觉目标跟踪方法

摘要

近年来,随着深度学习技术的不断发展,基于深度学习的目标跟踪算法取得了较大成功。但由于视频中,背景、光照及目标的表观不断变化,且伴有遮挡的发生,给视频中的目标跟踪带来很大困难。传统方法主要通过在线更新跟踪器的方式解决这个问题。但是视频信息内容复杂多变,在线更新和维持一个跟踪器很难应对后续视频中复杂的数据,容易导致误差积累。为解决这个问题,基于已有跟踪器MDNet,提出一种基于多专家跟踪器的目标跟踪方法。首先通过MDNet学习所有视频中目标的共有特征,使其能够较好地描述目标。然后在跟踪过程中,根据跟踪结果动态地构建多个专家跟踪器,以增加跟踪器的鲁棒性。最后根据每个专家的评价函数选择最佳的专家跟踪器,用于跟踪当前帧中的目标。实验表明,与MDNet相比,所提方法显著地提升了跟踪性能。