基于深度特征和相关滤波器的视觉目标跟踪

针对传统的相关滤波方法采用手工特征提取训练样本， 限制了跟踪性能的进一步提升， 在相关滤波框架下，探讨了深度神经网络 VGG-16 不同卷积层特征的目标跟踪效果， 研究发现， 从 VGG-16 提取的特征相对于传统手工特征具有显著优势; 而在深度特征中， 以第一层和第五层对目标跟踪性能的提升最为明显．以此为依据， 提出 了用第一层和第五层特征分别训练相关滤波器、 将两者的相关响应图加权后进行目标定位．在 OTB2013 数据集上的实验结果表明: 该方法对跟踪精度和鲁棒性均有进一步的改善