融合语义特征网络的孪生网络目标跟踪算法

针对基于孪生网络的反向传播滤波器跟踪算法CFNet在遭遇相似物干扰或背景信息与前景目标相似的情况下容易导致模型漂移跟踪效果下降的情况,提出一种融合语义特征网络的孪生网络目标跟踪算法。在图像处理中,通过深度卷积神经网络的深层网络可以提取到丰富的语义信息,这些语义信息在目标发生相似物干扰、运动模糊、目标严重变形等情景时,对目标进行辨识是非常有用的。提出的算法在CFNet的原有网络结构上,增加一个语义特征网络,与CFNet的外观特征网络形成互补,两个特征网络的训练是独立的以保持两种特征的异质性,在得到各自的响应图后,通过计算这两个响应图的置信度来进行融合,提高了算法的判别能力。实验表明,与其他常用的5个算法相比,本文算法达到了最优,能够有效的跟踪目标。