技术总结
本发明公开了一种基于卷积神经网络的单目标跟踪方法。该方法首先利用训练数据在线下预训练一个六层的卷积神经网络分类模型。在跟踪测试时，首先利用视频第一帧给出的Ground‑truth信息，提取一些样本数据，微调网络模型的参数，使得网络模型能够更好的适应当前跟踪的视频序列。同时针对当前跟踪的目标训练一个Bounding Box回归模型用于对跟踪结果的优化。然后对于正确的跟踪结果，利用Bounding Box回归模型对跟踪结果进行优化，得到目标对象更加精确的位置。所以在跟踪的同时，适时、适当的对网络模型参数进行更新，使得模型更好的适应当前跟踪的视频序列。本发明对网络结构中的pooling层进行了改进，同时添加了检测模块，使得跟踪器的性能更加的鲁棒，提高了跟踪的精度。
技术研发人员：段立娟;李凯;孙琦龙;安见才让
受保护的技术使用者：北京工业大学
文档号码：201611149818
技术研发日：2016.12.14
技术公布日：2017.05.24