排序方式： 共有1条查询结果，搜索用时 15 毫秒
1
1.
针对传统长期相关滤波器使用特征单一、跟踪失败后无法再次捕捉到目标的缺点, 提出一种结合深度学习的多特征融合长期目标跟踪算法. 本算法在长期相关跟踪算法(long-term correlation tracking, LCT))的基础上, 采用多特征融合的方式, 将局部二值模式特征、改进的方向梯度直方图特征以及颜色特征相融合, 来提高跟踪算法的鲁棒性. 由于LCT算法选择随机蕨分类器进行目标重检, 对检测范围有局限性且重检精度较低, 故采用基于深度学习的孪生网络实例搜索(SINT)方法对全局图像进行目标重检. 本文的实验在OTB100数据集上进行, 结果表明: 本文算法与LCT算法相比, 距离精度和成功率分别提升了13%和10.3%. 相似文献
1