结合高斯核函数的卷积神经网络跟踪算法

度，提取目标简单抽象特征；最后，通过叠加简单层的卷 积 结 果 得 到 目 标 的 深 层 次 表 达，并 结 合 粒 子 滤 波 跟 踪
框架实现跟踪．结果表明：简化后的卷积网络结构能够 有 效 地 应 对 低 分 辨 率、目 标 遮 挡 与 形 变 等 场 景，提 高 复
杂背景下的跟踪效率．
关 键 词 ： 视 觉 跟 踪 ；卷 积 神 经 网 络 ；高 斯 核 函 数 ；粒 子 滤 波
收 稿 日 期 ： ２０１７?０３?２８
通信作者： 柳培忠（１９７６?），男，副教授，博士，主要从事仿生图像处理技术，智能算法的研 究．Ｅ?ｍａｉｌ：ｐｚｌｉｕ＠ｈｑｕ．ｅｄｕ． ｃｎ．
基 金 项 目 ： 国 家 自 然 科 学 基 金 资 助 项 目 （６１２０３２４２）；福 建 省 物 联 网 云 计 算 平 台 建 设 基 金 资 助 项 目 （２０１３Ｈ２００２）；华 侨 大 学 研 究 生 科 研 创 新 能 力 培 育 计 划 资 助 项 目 （１５１１４２２００４）．
ＺＨＥＮＧＬｉｎｇｙｕｎ１，ＬＩＵ Ｐｅｉｚｈｏｎｇ２，ＷＡＮＧ Ｈｏｎｇｘｉａｎｇ２
（１．ＬｏｇｉｓｔｉｃａｌａｎｄＡｓｓｅｔＭａｎａｇｅｍｅｎｔＯｆｆｉｃｅ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｙ，Ｑｕａｎｚｈｏｕ３６２０２１，Ｃｈｉｎａ； ２．ＣｏｌｌｅｇｅｏｆＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｙ，Ｑｕａｎｚｈｏｕ３６２０２１，Ｃｈｉｎａ）
中 图 分 类 号 ： ＴＰ３９１
文 献 标 志 码 ： Ａ 文 章 编 号 ： １０００?５０１３（２０１８）０５?０７６２?０６
犆狅狀狏狅犾狌狋犻狅狀犖犲狌狉犪犾犖犲狋狑狅狉犽狊犜狉犪犮犽犻狀犵犃犾犵狅狉犻狋犺犿 犆狅犿犫犻狀犲犱 犠犻狋犺犌犪狌狊狊犻犪狀犓犲狉狀犲犾犉狌狀犮狋犻狅狀
Ｖｏｌ．３９ Ｎｏ．５ Ｓｅｐ．２０１８
郑 凌 云１，柳 培 忠２，汪 鸿 源自文库２
（１．华侨大学 后勤与资产管理处，福建 泉州 ３６２０２１； ２．华侨大学 工学院，福建 泉州 ３６２０２１）
摘要： 针对视觉跟踪中运动目标鲁棒性跟踪 问 题，结 合 高 斯 核 函 数 和 卷 积 神 经 网 络 （ＣＮＮ），提 出 一 种 无 需
第 ５ 期 郑 凌 云 ，等 ：结 合 高 斯 核 函 数 的 卷 积 神 经 网 络 跟 踪 算 法
７６３
视 觉 跟 踪 是 机 器 视 觉 领 域 的 研 究 热 点 ，目 前 已 经 取 得 很 多 研 究 成 果 ，但 在 实 际 应 对 各 类 复 杂 场 景 时 仍面临很大挑战，如何实现更加鲁棒和准确的跟踪仍然是研究的核心［１］．视觉跟踪算法主要分为判 别 式 和生成式 两 类［２］．判 别 模 型 将 跟 踪 问 题 建 模 为 一 个 二 分 类 问 题，用 以 区 分 前 景 和 背 景．Ｂａｂｅｎｋｏ等 提 ［３］ 出 多 示 例 学 习 算 法 ，针 对 训 练 样 本 不 足 ，引 入 多 示 例 学 习 机 制 ，有 效 抑 制 跟 踪 过 程 中 的 漂 移 问 题 ；钟 必 能 等 结 ［４］ 合选择性搜索和粒子滤波提 取 候 选 粒 子，融 合 卷 积 深 信 度 网 络 和 卷 积 神 经 网 络，有 效 地 应 对 遮 挡、光照等复杂场景．生成模型不考虑背景信息直 接 为 目 标 进 行 建 模．Ｍｅｉ等 提 ［５］ 出 Ｌ１ 跟 踪 系 统，用 稀 疏方法表示跟踪目标，但算法运算复杂度 高；Ｚｈａｎｇ 等 提 ［６］ 出 压 缩 跟 踪，用 一 个 稀 疏 的 测 量 矩 阵 提 取 特 征 ，建 立 一 个 稀 疏 健 壮 的 目 标 表 观 模 型 ，提 高 算 法 的 实 时 性 与 鲁 棒 性 ．近 几 年 ，相 关 滤 波 跟 踪 算 法 在 目 标 领域快速发展．Ｄａｖｉｄ等 将 ［７］ 相关滤波引入跟踪领域，设 计 一 个 误 差 最 小 平 方 和 滤 波 器（ＭＯＳＳＥ），在 跟 踪过程中寻找目标最大响应值来实现跟踪．Ｈｅｎｒｉｑｕｅｓ等 通 ［８］ 过 循 环 偏 移 构 建 分 类 器 的 训 练 样 本，引 入 方向梯度直方图（ＨＯＧ）和颜色、灰度多通道特征，提高了算法的速度和准确性．传 统跟踪算 法大多 使用 视频序列浅层的像素级特征，无法很好应对复杂场景．本 文 结合 卷积神 经 网 络 强 大 的 特 征 提 取 功 能，设 计 一 种 无 需 训 练 的 卷 积 神 经 网 络 特 征 提 取 方 法 ，利 用 核 函 数 加 速 卷 积 运 算 ，结 合 粒 子 滤 波 框 架 下 实 现 一
第 ３９ 卷 第 ５ 期
２０１８年９月
华 侨 大 学 学 报 （自 然 科 学 版 ） ＪｏｕｒｎａｌｏｆＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｙ （ＮａｔｕｒａｌＳｃｉｅｎｃｅ）
犇犗犐：１０．１１８３０／ＩＳＳＮ．１０００?５０１３．２０１７０２１２３
结合高斯核函数的卷积 神经网络跟踪算法
犃犫狊狋狉犪犮狋： Ｉｎｖｉｅｗｏｆｔｈｅｒｏｂｕｓｔｎｅｓｓｔｒａｃｋｉｎｇｏｆｍｏｖｉｎｇｔａｒｇｅｔｓｉｎｖｉｓｕａｌｔｒａｃｋｉｎｇ，ａｖｉｓｉｏｎｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍ ｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ，ｗｈｉｃｈｃｏｍｂｉｎｅｓＧａｕｓｓｋｅｒｎｅｌｆｕｎｃｔｉｏｎａｎｄｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ （ＣＮＮ），ｔｏ ｅｘｔｒａｃｔｔｈｅｄｅｐｔｈｆｅａｔｕｒｅｏｆｔｈｅｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｗｉｔｈｏｕｔｔｒａｉｎｉｎｇ．Ｆｉｒｓｔｌｙ，ｔｈｅｉｎｉｔｉａｌｉｍａｇｅｉｓｎｏｒ ｍａｌｉｚｅｄａｎｄｔｈｅｔａｒｇｅｔｉｎｆｏｒｍａｔｉｏｎｉｓｅｘｔｒａｃｔｅｄｂｙｃｌｕｓｔｅｒｉｎｇ，ａｎｄｔｈｅｔａｒｇｅｔｉｎｆｏｒｍａｔｉｏｎｉｎｔｈｅｔｒａｃｋｉｎｇｐｒｏｃｅｓｓ ｉｓｃｏｍｂｉｎｅｄａｓｔｈｅｏｒｄｅｒｆｉｌｔｅｒｉｎｔｈｅｃｏｎｖｏｌｕｔｉｏｎｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅ．ＴｈｅＧａｕｓｓｋｅｒｎｅｌｆｕｎｃｔｉｏｎｉｓｕｓｅｄｔｏｉｍ ｐｒｏｖｅｔｈｅｃｏｎｖｏｌｕｔｉｏｎｏｐｅｒａｔｉｏｎｓｐｅｅｄ，ｅｘｔｒａｃｔｔｈｅｓｉｍｐｌｅａｂｓｔｒａｃｔｆｅａｔｕｒｅｏｆｔｈｅｔａｒｇｅｔ，ａｎｄｔｈｅｎｓｕｐｅｒｉｍｐｏｓｅ ｔｈｅｃｏｎｖｏｌｕｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｓｉｍｐｌｅｌａｙｅｒｔｏｇｅｔｔｈｅｄｅｐｔｈｏｆｔｈｅｔａｒｇｅｔ．Ｆｉｎａｌｌｙ，ｗｅｃｏｍｂｉｎｅｐａｒｔｉｃｌｅｆｉｌｔｅｒ ｔｒａｃｋｉｎｇｆｒａｍｅｗｏｒｋｔｏａｃｈｉｅｖｅｔｒａｃｋｉｎｇ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｓｉｍｐｌｉｆｉｅｄｃｏｎｖｏｌｕｔｉｏｎｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅ ｃａｎｅｆｆｅｃｔｉｖｅｌｙｃｏｐｅｗｉｔｈｌｏｗｒｅｓｏｌｕｔｉｏｎ，ｔａｒｇｅｔｏｃｃｌｕｓｉｏｎａｎｄｄｅｆｏｒｍａｔｉｏｎａｎｄｓｏｏｎ，ａｎｄｉｍｐｒｏｖｅｔｈｅｔｒａｃｋｉｎｇ ｅｆｆｉｃｉｅｎｃｙｉｎｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄ． 犓犲狔狑狅狉犱狊： ｖｉｓｕａｌｔｒａｃｋｉｎｇ；ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ；Ｇａｕｓｓｋｅｒｎｅｌｆｕｎｃｔｉｏｎ；ｐａｒｔｉｃｌｅｆｉｌｔｅｒ
训 练 的 卷 积 神 经 网 络 提 取 深 度 特 征 的 视 觉 跟 踪 算 法 ．首 先 ，对 初 始 图 像 进 行 归 一 化 处 理 并 聚 类 提 取 目 标 信 息 ，
结合跟踪过程中目标信息共同作为卷积网络结构中的各 阶 滤 波 器；其 次，通 过 高 斯 核 函 数 来 提 高 卷 积 运 算 速