基于改进MDNet的视频目标跟踪算法

目标跟踪算法面临的一个突出问题是正负样本的不平衡性以及正样本的极端相似性。针对跟踪更新过程中正样本不足的问题，提出了一种改进的基于多域卷积神经网络（Eiffel-Tower-Net）算法的MDNet视频目标跟踪算法。首先，改进了原算法中候选框的选择策略，提出了一种基于候选帧可信度和坐标方差阈值判断相结合的模型更新方法。其次，对原算法的交叉熵损失函数算法进行了改进，以达到更好的效果。实验结果表明，在相同的实验环境下，与MDNet算法相比，该算法的跟踪精度和成功率都有显著提高