典型文献
特征响应权重自适应的IoU网络跟踪算法改进
文献摘要：
基于IoU网络提出一种IT-AWCR(IoU network tracking with adaptive weighted characteristic responses)目标跟踪算法.首先,根据目标运动速度设计目标搜索区域确定策略,通过理论分析使用ResNet50的block 3、block 4卷积块的输出分别作为目标的浅层和深层特征表示;然后,以目标定位准确度和滤波模型抗干扰能力为评价指标,通过优化算法自适应计算目标深、浅特征响应加权权重,从加权融合响应中获取目标粗略位置和边界框,经扰动操作获取多个候选边界框输入IoU调制-预测网络预测IoU值,取最大IoU对应边界框为最终预测目标边界框;最后,根据训练样本的相关学习权重和样本间相似度更新生成样本集,基于样本集采用稀疏优化策略实现滤波模型更新.OTB2015和VOT2018数据集上的实验结果验证了所提出算法的有效性.
文献关键词：
目标跟踪;IoU;ResNet50;权重自适应;样本集更新;滤波模型
中图分类号：
作者姓名：
陈志旺;王莹;宋娟;刁华康;彭勇
作者机构：
燕山大学智能控制系统与智能装备教育部工程研究中心,河北秦皇岛066004;燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004;国网黑龙江省电力有限公司佳木斯供电公司,黑龙江佳木斯154002;燕山大学电气工程学院,河北秦皇岛066004
文献出处：
引用格式：
[1]陈志旺;王莹;宋娟;刁华康;彭勇-.特征响应权重自适应的IoU网络跟踪算法改进)[J].控制与决策,2022(07):1752-1762
A类：
AWCR,样本集更新
B类：
权重自适应,IoU,算法改进,IT,network,tracking,adaptive,weighted,characteristic,responses,目标跟踪算法,目标运动,运动速度,设计目标,目标搜索,定策,ResNet50,block,深层特征,特征表示,目标定位,定位准确,滤波模型,抗干扰能力,自适应计算,加权融合,标粗,粗略,边界框,选边,预测网络,训练样本,学习权重,集采,稀疏优化,模型更新,OTB2015,VOT2018
AB值：
0.420668
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。
