基于TinyDarknet全卷积孪生网络的目标跟踪-南京邮电大学学报.PDF

第３８卷第４期 南京邮电大学学报（自然科学版） Ｖｏｌ．３８ Ｎｏ．４ 　 ２０１８年８月 ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） 　 Ａｕｇ２０１８ ｄｏｉ：１０．１４１３２／ｊ．ｃｎｋｉ．１６７３５４３９．２０１８．０４．０１３ 基于ＴｉｎｙＤａｒｋｎｅｔ全卷积孪生网络的目标跟踪 １ ２ １ 史璐璐 ，张索非 ，吴晓富 １．南京邮电大学 通信与信息工程学院，江苏 南京　２１０００３ ( ２．南京邮电大学 物联网学院，江苏 南京　２１０００３ ) 摘要：全卷积孪生网络目标跟踪利用训练深度卷积网络，预先离线学习的方法解决通常相似性学习 的问题，可以在线跟踪任意目标。针对基于全卷积孪生网络的目标跟踪，文中提出了一种基于Ｔｉｎｙ Ｄａｒｋｎｅｔ全卷积孪生网络的目标跟踪器。首先，基于ＴｉｎｙＤａｒｋｎｅｔ重新设计孪生网络目标跟踪框架； 框架对输入的目标模板图像和搜索图像进行特征提取，通过互相关方法计算特征间的相似度，根据 相似度得分确定目标的位置与尺度。然后，在该孪生网络目标跟踪框架的基础上，对ＴｉｎｙＤａｒｋｎｅｔ 的网络结构本身进行调整，以适应输入、输出尺寸。最终实验结果表明，基于ＴｉｎｙＤａｒｋｎｅｔ全卷积 孪生网络的目标跟踪相比原始的ＡｌｅｘＮｅｔ全卷积孪生网络在保证跟踪准确性几乎不变的同时更加 轻量级，帧速提高了３０％，实时性更佳。 关键词：目标跟踪；孪生网络；深度卷积神经网络；轻量级 中图分类号：ＴＰ３９１．４　　文献标志码：Ａ　　文章编号：１６７３５４３９（２０１８）０４００８９０７ Ｏｂｊｅｃｔｔｒａｃｋｉｎｇｉｎｆｕｌｌｙｃｏｎｖｏｌｕｔｉｏｎａｌｓｉａｍｅｓｅｎｅｔｗｏｒｋｓ ｂａｓｅｄｏｎＴｉｎｙＤａｒｋｎｅｔ １ ２ １ ＳＨＩＬｕｌｕ，ＺＨＡＮＧＳｕｏｆｅｉ，ＷＵＸｉａｏｆｕ １．ＣｏｌｌｅｇｅｏｆＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ＆ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，    　Ｎａｎｊｉｎｇ２１０００３，Ｃｈｉｎａ     ２．ＣｏｌｌｅｇｅｏｆＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１０００３，Ｃｈｉｎａ  Ａｂｓｔｒａｃｔ：Ｆｕｌｌｙｃｏｎｖｏｌｕｔｉｏｎａｌｓｉａｍｅｓｅｎｅｔｗｏｒｋｓｆｏｒｏｂｊｅｃｔｔｒａｃｋｉｎｇｃａｎｓｏｌｖｅｔｈｅｓｉｍｉｌａｒｉｔｙｌｅａｒｎｉｎｇｐｒｏｂ ｌｅｍｂｙｔｒａｉｎｉｎｇｔｈｅｄｅｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｌｅａｒｎｉｎｇａｍｏｄｅｌｏｆｆｌｉｎｅ，ｔｒａｃｋｉｎｇａｒｂｉｔｒａｒｙｏｂｊｅｃｔ ｏｎｌｉｎｅ．Ａｉｍｅｄａｔｔｈｅｏｂｊｅｃｔｔｒａｃｋｉｎｇｂａｓｅｄｏｎｆｕｌｌｙｃｏｎｖｏｌ