典型文献
迁移学习融合双HOG特征的目标跟踪
文献摘要：
目标跟踪是计算机视觉的关键技术之一,应用于模式识别、自动控制等领域.深度学习的跟踪算法具有良好的性能,但在快速运动情况下,低层HOG特征易受影响,跟踪性能较弱.提出一种结合线下训练深度特征的鲁棒跟踪方法.通过线下训练VGG模型,线上构造双HOG特征并进行最优选择,将线下训练提取的特征迁移到线上,与最优HOG特征响应融合.首先,线下逐层训练VGG网络,卷积层负责提取卷积特征.然后,在线提取当前帧目标区域的HOG特征,并分解为HOG1和HOG2,对其进行滤波处理,选择最优特征.最后,融合卷积特征响应和HOG最优特征响应得到特征响应图,预测目标的新位置.在OTB-2013、OTB-2015基准数据集上与其他6个算法对比.结果表明,该方法在处理快速运动、背景混乱、形变等跟踪方面具有良好的性能.
文献关键词：
计算机视觉;目标跟踪;VGG网络;HOG特征;迁移学习
中图分类号：
作者姓名：
黄戌霞;林淑彬
作者机构：
宁德职业技术学院信息技术与工程学院,福建宁德355000;闽南师范大学计算机学院,福建 漳州363000
文献出处：
引用格式：
[1]黄戌霞;林淑彬-.迁移学习融合双HOG特征的目标跟踪)[J].南京师范大学学报（工程技术版）,2022(04):29-35
A类：
HOG1,HOG2
B类：
迁移学习,目标跟踪,计算机视觉,模式识别,自动控制,跟踪算法,快速运动,运动情况,低层,跟踪性能,深度特征,跟踪方法,VGG,最优选择,特征迁移,逐层,卷积层,卷积特征,在线提取,目标区域,滤波处理,优特,应得,响应图,OTB,基准数据集,算法对比
AB值：
0.383717
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
