目标分割多域卷积神经网络跟踪算法
【摘要】 运动目标跟踪作为目前计算机视觉领域的一个研究热点，存在目标旋转变形、运动模糊和背景混杂等难点.针对这些难点情况下多域卷积神经网络目标跟踪算法(MDNet)失效的问题，本文提出一种基于目标分割的多域卷积神经网络跟踪算法，旨在利用分割网络出色的目标定位能力，为MDNet网络构建一种新的网络更新方法.在跟踪过程中，通过目标分割对失效结果进行校正，重新获得目标的精确位置，再将分割获得的目标框作为样本来更新MDNet网络，有效减少样本库中正样本的背景信息干扰，提高网络的分类能力，使算法更具鲁棒性.本文所提算法在OTB50和VOT2015进行测试，与MDNet算法相比，平均跟踪精度提升3.05%，平均成功率提升2.76%.关键词:目标跟踪;卷积神经网络;分割网络;网络更新
