一种基于目标注意机制的MDNet目标跟踪方法

摘要

针对复杂环境背景情况下目标跟踪深度学习算法实时性较差以及不够鲁棒等问题,提出了一种基于MDNet深层特征提取及高斯分类器目标注意机制的视频跟踪方法。首先采用多域网络(MDNet)进行图像深度特征提取,提出一种基于生物视觉的目标注意机制,结合MDNet对正负样本进行分类提取的思路通得出响应度高的感兴趣区域,并与同时进行DSST滤波后的特征模型进行加权融合,进而得出目标响应位置,之后进行模型更新。通过在主流数据集上进行验证,在几乎不损失MDNet的高精度基础上实现了算法运行的加速。最后在数据集OTB100中与其他算法进行了比较,实验结果表明,所提算法取得了可观的精确度和跟踪成功率,在能保持一定的实时性的情况下适应光照、尺度变化以及遮挡等复杂环境。