多示例深度學習目標跟蹤

程 帥孫俊喜曹永剛劉廣文*韓廣良（長春理工大學電子信息工程學院 長春 130022）

②（東北師范大學計算機科學與信息技術學院 長春 130117）

③（中國科學院長春光學精密機械與物理研究所 長春 130000）

多示例深度學習目標跟蹤

程 帥①孫俊喜②曹永剛①③劉廣文*①韓廣良③
①（長春理工大學電子信息工程學院 長春 130022）

②（東北師范大學計算機科學與信息技術學院 長春 130117）

③（中國科學院長春光學精密機械與物理研究所 長春 130000）

為解決多示例跟蹤算法中外觀模型和運動模型不足導致跟蹤精度不高的問題，該文提出多示例深度學習目標跟蹤算法。針對原始多示例跟蹤算法中采用Haar-like特征不能有效表達圖像信息的缺點，利用深度去噪自編碼器提取示例圖像的有效特征，實現圖像信息的本質表達，易于分類器正確分類，提高跟蹤精度。針對多示例學習跟蹤算法中選取弱特征向量不能更換，難以反映目標自身和外界條件變化的缺點，在選擇弱分類器過程中，實時替換判別力最弱的特征以適應目標外觀的變化。針對原始多示例跟蹤算法中運動模型中僅假設幀間物體運動不會超過某個范圍，不能有效反映目標的運動狀態的缺點，引入粒子濾波算法對目標進行預測，提高跟蹤的準確性。在復雜環境下不同圖片序列實驗結果表明，與多示例跟蹤算法及其他跟蹤算法相比，該文算法具有更高跟蹤精確度和更好的魯棒性。

目標跟蹤；多示例學習；深度學習；弱特征更換；粒子濾波

1 引言

目標跟蹤是計算機視覺研究領域的重要組成部分，廣泛應用在智能監控、人機交互等領域，但依然面臨多方面的挑戰，如目標外觀改變、光照變化、遮擋、相似目標等［1］，這些因素都將導致目標漂移甚至跟蹤失敗?；谀繕送庥^模型將跟蹤算法分為生成模型［2-4］和判別模型［5-7］。生成模型通過構建外觀模型對目標進行描述，在后續的每一幀圖像中，將匹配度最高的作為跟蹤結果。判別模型將跟蹤視為二值分類問題，有效地利用目標和背景信息訓練分類器，利用分類器把目標從背景中分離出來。在基于判別模型跟蹤算法中，不精確的分類可能導致樣本的錯誤標記，以錯誤標記樣本訓練分類器必然降低分類器的性能。為解決判別模型的問題，Babenko等人［8］提出的多示例跟蹤算法不是對單個樣本進行標注，而是對多樣例包進行標注，達到弱化監督效應的目的，解決訓練樣本潛在歧義性導致的目標漂移問題。但此方法存在如下問題：（1）運動模型簡單，依據最近鄰的準則在上一幀中目標的位置附近一定鄰域范圍內估計目標位置。因為目標運動的不確定性，如果估計的位置與真實位置相差很大，這樣進行候選樣本的采樣時就會帶來較大的誤差；（2）目標外觀模型采用Haar-like特征對每個示例進行表達，此特征不能有效表達圖像的本質信息；（3）在第1幀提取的目標與背景特征向量在后續幀中一直被使用，在跟蹤過程中由于外界環境的影響導致目標和背景的特征不斷發生變化，某些特征向量不能顯著區分目標與背景區域，對分類器的構建貢獻較小，在長時間和復雜條件下的跟蹤過程中容易引起漂移。文獻［9-11］對多示例跟蹤算法進行改進，但文獻中均采用像素級特征，不能反映目標的本質信息，像素級特征不利于分類器的正確分類。深度學習［12］是目前研究的熱點問題，通過構建深層非線性網絡結構可從少數樣本集中學習圖像信息的本質特征，最終提高分類器分類的準確性。

為解決多示例外觀模型和運動模型不足問題，實現更精確、穩定的目標跟蹤，本文提出多示例深度學習目標跟蹤算法。利用深度去噪自編碼器（Stacked Denoising AutoEncoder， SDAE）［13］提取示例的本質特征，易于分類器正確分類。在分類器選擇過程中用新生成的分類器響應較大的特征向量實時替換和淘汰部分分類器響應最小的特征向量，從而在目標表示中引入新的信息，以適應目標外觀的各種變化。引入粒子濾波算法預測目標位置信息，改進目標的運動模型，提高跟蹤精度。

2 多示例學習算法

多示例學習算法［8］訓練數據形式為｛（X1，y1），其中 Xi為一個樣本包，包含多個示例是對應樣本包的標簽。樣本包標簽定義為

式中， yij是示例標簽，即至少包含一個正示例的包就是正包，反之為負包。在目標跟蹤過程中采用增強學習方法訓練分類器，即最大化對數似然函數。

各示例的似然概率計算公式為

在目標跟蹤過程中，一次性獲得所有的弱特征極為困難，也很難滿足跟蹤的實時性要求。所以原始多示例學習跟蹤算法從所有弱特征中隨機產生M個弱特征組成弱特征池，作為后續特征選擇的樣本集。該算法保持M ＞ K個候選弱分類器，采用增強學習的框架依次挑選K個弱分類器，即

式中，L與式（2）中的L相同。如式（2）所示，挑選弱分類器的本質是級聯該弱分類器后的強分類器可以使正負包響應之間的差異最大化。在整個弱分類器集中能使L最大的弱分類器h被選擇。

弱分類器由Haar-like特征 fk（x）和4個參數在線估計。弱分類器計算公式為在線估計，弱分類器計算公式為

式中，0 ＜ ρ＜ 1為學習率，對于 μ0和 σ0的更新與式（8），式（9）類似。

3 多示例深度學習目標跟蹤

3.1 特征提取

SDAE從施加噪聲的訓練集中學習、重構原始數據，通過優化重構誤差提高深度網絡對噪聲的魯棒性［14］。采用無監督特征學習和逐層貪婪算法［15］預訓練多個自編碼器，預訓練過程如圖 1（a）。每個編碼器隱藏層的網絡單元都為輸入層網絡單元的一半，直到隱藏層網絡單元數減到256為止，通過組合低層特征形成更加抽象的高層特征，相比于底層，高層可用較少的參數表示圖像的本質特征。預訓練完成后，展開多個自編碼器得到 SDAE，網絡結構如圖1（b）所示。SDAE由編碼器和解編碼器構成，解碼器與編碼器有著對稱的網絡結構，并在隱藏層添加超完備濾波層（2560）。為獲得更有效的網絡參數，反向傳播原始數據與重構數據之間誤差微調整個網絡，微調后網絡結構如圖1（c）。由圖1（b），圖1（c）的輸出結果可看出，微調后得到的重構數據更接近原始數據，實現了網絡參數優化。將SDAE編碼器的多層網絡結構應用到在線跟蹤中，在線跟蹤階段網絡結構如圖1（d）。SDAE編碼器提取圖像塊的特征向量取代原有的Haar-like特征，實現圖像的有效表達，作為分類器輸入完成特征的分類。

3.2 更新弱特征向量

為了在目標表達中引入新的信息以適應跟蹤過程中的各種變化，在跟蹤過程中動態更換特征。如2節所述，在目標跟蹤中，樣本訓練采用在線學習的方式保持M＞K個候選弱分類器，采用增強學習的框架依次挑選K個弱分類器來最大化對數似然函數。對每一幀圖像，在特征選擇過程中，不僅挑選出K個分類器響應最大特征，也同時挑選出N個分類器響應最小的特征。然后重新產生N個全新的特征來替換那些響應最小的特征，即

式中，hnew表示新生成的特征。通過對特征的動態更換，及時在目標表示中引入了新信息，更好地符合跟蹤過程中各種條件變化的需要。

3.3 粒子濾波

圖1 SDAE構建圖

為改進多示例學習目標跟蹤算法的運動模型，采用粒子濾波來預測目標在下一幀可能的位置。粒子濾波是基于蒙特卡洛和遞推貝葉斯估計的非線性濾波方法［16］，被廣泛應用在目標跟蹤中，但在目標跟蹤過程中存在粒子衰減和貧化問題。為解決上述問題，對粒子集進行雙重采樣。第1次采樣為在順序重要性采樣過程中引入重采樣算法，抑制或者剔除小權重粒子，保留大權重粒子，根據粒子權重重新分配計算資源，得到等權重粒子集。第2次采樣為粒子稀疏化聚合采樣［17］，基于粒子空間尺度網格劃分對粒子稀疏化加權聚合，以縮減粒子集規模，實現粒子集規模與粒子空間規模的“自適應”一致。

多示例深度學習跟蹤算法的流程如下：

（2）利用提取的特征向量構建弱分類器，然后利用增強學習算法在線挑選出最具判別力的弱分類器構建強分類器，同時用新產生的特征向量更換部分判別力最弱的特征；

（3）使用強分類器對所有 x ∈Xs估計 p（y= 1|x ）；

（4）更新目標的最佳位置：

（6）使用正樣本包 Xγ和負樣本包 Xγ，β更新外觀模型。

4 實驗結果

4.1 算法實現

離線預訓練階段，將32 × 32自然圖像集［18］進行歸一化處理，并用1024維特征向量表示，每一維對應一個像素，即編碼器第1層為1024個網絡單元，下一編碼器隱藏層的網絡單元都為輸入層網絡單元的一半，直到隱藏層網絡單元數減到256為止。根據人類 V1層神經生理學理論［19］，在網絡結構中添加超完備濾波層（超完備層）可更好地提取圖像結構信息，超完備濾波層所使用的超完備濾波器大部分為局部邊緣檢測器。

為獲得更有效的網絡參數，反向傳播原始數據與重構數據之間誤差微調整個網絡，優化問題為

式中， ρj為第j個單元的稀疏級， ?ρj為所有單元的平均激活率，m為隱藏單元的個數。

利用預處理的數據，通過無監督特征學習預訓練 SDAE，將預訓練得到編碼器應用到在線跟蹤階段。在線初始化階段，首先在第1幀圖像中手動選取待跟蹤目標，采集正負樣本包，通過正負樣本包有監督訓練分類器。通過SDAE編碼器提取樣本包的特征，利用提出特征集和類標記訓練分類器。在線跟蹤階段，即采用多示例深度學習跟蹤算法完成目標跟蹤。在線跟蹤階段網絡結構如圖1（d），為平衡SDAE提取特征的有效性和計算成本的復雜度，SDAE編碼器采用5層網絡結構，網絡結構為（1024-2560-1024-512-256）， SDAE編碼器利用非線性多層網絡結構提取圖像塊的本質信息，將特征向量作為分類器輸入完成特征的分類。

SDAE為非線性多層網絡結構，每層中都包含大量的網絡節點及參數，使得在特征提取、微調網絡參數時比較耗時，為提高處理速度，離線訓練階段和在線跟蹤階段均采用并行計算和圖形處理單元加速技術。

多示例學習參數設置，正樣本采集半徑為γ= 5～9，得到 60～180個樣本的正包，當目標運動較快或外觀變化較大時，設置 γ= 9。負樣本集 Xγ，β半徑為 β = 2.5γ，在負樣本集 Xξ，β中隨機選取70～110個負樣本組成負包。候選弱分類器池M設置較大的值，可包含足夠多候選特征使被選擇的特征更具判別性，然而，M值越大必然增加計算成本。為了平衡跟蹤的魯棒性和跟蹤效率，M=200（原始多示例算法M=250）。響應最大的弱分類器個數K=25，可達到穩定跟蹤效果且比原始多示例學習算法（K=50）更高效。被替換的響應最小的弱分類器個數 N為3～8個不等，弱分類器更新的學習率ρ為0.9。

4.2 實驗結果與分析

本文算法與 6個主流跟蹤算法在序列 david［2］，faceOcc1［2］， faceOcc2［2］， girl［2］， sylvester［2］， tiger2［2］，singer1［2］共 7個具有挑戰的圖片序列上進行測試。對比跟蹤算法：CT［3］， TLD［7］， MIL［8］， WMIL［9］，CXT［20］， MTT［21］這些算法參數均使用默認值，具體實現參考相應文獻。通過3種不同的策略來進行定量比較，分別為跟蹤結果與真實位置的中心誤差（表1）、正確跟蹤幀占視頻序列的百分比（表2）和跟蹤算法處理速度（表3）進行定量比較。在每一幀，如果（A ∩ B ）/（A ∪ B ）＞ 0.5，則表示它被準確跟蹤，其中A表示跟蹤結果矩形框，B表示目標位置真實值矩形框。表中加粗為最好結果，斜體為次好結果。

中心誤差表示跟蹤結果與真實目標的中心位置的歐氏距離，距離越小表示跟蹤結果越有效、越精確。由表1可得，本文算法中心誤差總體上小于其他算法，表明跟蹤結果具有較高的精確度。

如表2所示，在7組序列中本文算法有6組為最優。平均行為7組序列正確跟蹤幀數百分比的均值，明顯高于其他算法。由此可見，本文算法具有更高的準確度和魯棒性。

由表3可得，每個圖片序列中目標受到外界環境的影響不同，導致跟蹤算法處理速度有所差異，與原始MIL算法相比，本文算法中采用并行計算與圖像處理單元加速技術，同時選取較小的弱分類器池及響應最大的弱分類器的個數，提高了處理速度。CT算法的3種處理速度明顯高于其他算法，這是因為CT算法是基于壓縮感知理論，對多尺度高維圖像特征進行降維，降維后的特征依然可以高概率地重構出高維特征，很大程度上降低了特征提取的時間復雜度。

表1 平均中心誤差

表2 正確跟蹤幀占視頻序列的百分比

表3 算法處理速度對比（幀/s）

圖2為7種跟蹤算法在7組圖片序列的部分幀的跟蹤結果。在 david序列目標在跟蹤時存在光照和旋轉。在180幀，david行走過程中光照發生變換，CT， MIL算法出現目標漂移，WMIL， CXT， MTT算法跟蹤失敗，本文算法和 TLD算法能夠正確跟蹤。在460幀人臉發生旋轉，CXT算法跟蹤失敗，本文算法可實現正確跟蹤，但其他算法有不同程度的漂移問題。表情變化以及行走中摘掉眼鏡等姿態變化，導致WMIL， CXT算法跟蹤失敗，本文算法和TLD算法實現穩定的跟蹤?？梢?，本文算法對較慢的光線變化、物體旋轉、尺度變化具有較好的魯棒性。

在faceOccl序列在靜態背景下目標在跟蹤過程中發生多次和長時間遮擋，導致有些算法出現目標漂移問題，在第133幀，TLD， MIL， CXT算法都出現嚴重的目標偏移現象，其他算法均能穩定跟蹤。在696幀，只有本文算法能夠精確地跟蹤，其他算法都出現不同程度的目標漂移問題。在780幀，目標大部分區域被遮擋，本文算法能夠正確跟蹤，其他算法都有不同程度的漂移問題。由此可得本文算法可有效處理長時間遮擋，實現穩定的跟蹤。

圖2 不同算法跟蹤結果

在faceOcc2序列在跟蹤目標過程中存在旋轉、遮擋、光照變化等情況，在487幀，目標被遮擋同時有旋轉，大部分算法都能進行跟蹤但都有不同程度的漂移問題，本文算法能夠正確跟蹤。在712幀，目標受到嚴重遮擋情況下，本文算法依然能非常穩定地跟蹤到目標，其他算法都出現了目標漂移現象。因此本文算法對目標旋轉、部分遮擋和尺度變化具有很好的魯棒性。

在girl序列中女孩頭部不斷出現旋轉、姿勢變化、部分遮擋。由于目標旋轉、傾斜和搖擺導致大部分算法出現目標偏移問題，如119， 240幀。在441幀，出現人臉的部分遮擋時，WMIL， TLD算法目標偏移問題嚴重，CXT， MIL， MTT和CT算法甚至跟蹤失敗，只有本文算法能夠正確地跟蹤。因此，本文算法對目標旋轉、部分遮擋具有很好的魯棒性。

在sylvester序列目標在運動過程有姿態變化、快速運動。在616， 676幀，目標發生姿態變化，導致WMIL， MTT算法跟蹤失敗，TLD算法出現目標漂移問題，本文等算法可實現正確。在955幀，目標發生快速運動只有本文算法能夠正確跟蹤，其他算法出現目標漂移甚至跟蹤失敗?？傻?，本文算法對姿態變化、快速運動具有良好的魯棒性。

在tiger2序列跟蹤目標是快速運動的玩具，在跟蹤過程中伴有姿勢變化、旋轉、快速運動造成的模糊、遮擋等干擾。在第159， 189幀，由于姿勢變化的干擾下，除本文算法外，其他算法都已跟蹤失敗。在338幀，快速運動引起的模糊拖影現象只有本文算法能夠正確跟蹤，而其他算法都已跟蹤失敗。可見，在快速運動、模糊拖影及遮擋環境下，本文算法能實現穩定的目標跟蹤。

在singer1序列中，跟蹤目標是在舞臺上表演的歌手，攝像機的相對運動導致目標尺度、及光照在整個序列都在變化。在108幀，尺度變化伴隨著光照的劇烈變亮，CT， MIL已跟蹤失敗，其他算法可完成跟蹤，但 CXT算法出現嚴重的漂移問題。在162幀，由于尺度變化較大，只有CXT， TLD算法可適應尺度的變化，本文算法可完成跟蹤，但由于本文算法采用單尺度，出現目標漂移問題，由此表明本文算法可適應光照突變、但當尺度變化較大的情況下出現目標漂移問題。

5 結論

本文提出多示例深度學習的跟蹤算法，利用深度學習實現圖像的有效表達，并將離線訓練得到的信息應用到在線跟蹤過程中。通過實時更換深度網絡提取的特征向量，在目標表示中引入新的特征信息，及時反映跟蹤過程中目標的外觀變化，提高了其表示外觀模型的適應性和魯棒性。引入粒子濾波算法改進多示例學習的運動模型，提高跟蹤精度。

通過幾組圖片序列進行測試，實驗結果表明在復雜環境下本文算法具有更高的精確度和魯棒性，提高多示例學習目標跟蹤的精確度，尤其在遮擋、光照變化、快速運動、外觀變化等條件下都具有較好的跟蹤效果，具有極高的實用價值。但本文算法僅采用單尺寸跟蹤，當尺度大幅度變化時出現嚴重的目標漂移問題，在多示例學習目標跟蹤中引入多尺度，將是我們下一步需要研究的問題。同時將采用基于隨機森林的在線隨機樸素貝葉斯分類器，減少計算量，提高分類準確性。

［1］ Wu Y， Lim J， and Yang M H. Online object tracking: a benchmark［C］. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition， Portland， USA，2013: 2411-2418.

［2］ Ross D A， Lim J， Lin R S， et al.. Incremental learning for robust visual tracking［J］. International Journal of Computer Vision， 2008， 77（3）: 125-141.

［3］ Zhang K， Zhang L， and Yang M H. Fast compressive tracking［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2014， 36（10）: 2002-2015.

［4］ Zhong W， Lu H C， and Yang M H. Robust object tracking via sparse collaborative appearance model［J］. IEEE Transactions on Image Processing， 2014， 23（5）: 2356-2368.

［5］ 陳思， 蘇松志， 李紹滋， 等. 基于在線半監督boosting的協同訓練目標跟蹤算法［J］. 電子與信息學報， 2014， 36（4）: 888-895. Chen S， Su S Z， Li S Z， et al.. A novel co-training object tracking algorithm based on online semi-supervised boosting［J］. Journal of Electronics & Information Technology，2014， 36（4）: 888-895.

［6］ Zhang K， Zhang L， Liu Q， et al.. Fast tracking via dense spatio-temporal context learning［C］. Proceedings of European Conference on Computer Vision， Zurich，Switzerland， 2014: 127-141.

［7］ Kalal Z， Mikolajczyk K， and Matas J. Trackinglearning-detection［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2012， 34（7）: 1409-1422.

［8］ Babenko B， Yang M H， and Belongie S. Robust object tracking with online multiple instance learning［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2011， 33（8）: 1619-1632.

［9］ Zhang K H and Song H H. Real-time visual tracking via online weighted multiple instance learning［J］. Pattern Recognition， 2013， 46（1）: 397-411.

［10］ 陳東成， 朱明， 高文， 等. 在線加權多示例學習實時目標跟蹤［J］. 光學 精密工程， 2014， 22（6）: 1661-1667. Chen D C， Zhu M， Gao W， et al.. Real-time object tracking via online weighted multiple instance learning［J］. Optics and Precision Engineer， 2014， 22（6）: 1661-1667.

［11］ 寧紀鋒， 趙耀博， 石武禎. 多通道Haar-like特征多示例學習目標跟蹤［J］. 中國圖象圖形學報， 2014， 19（7）: 1038-1045. Ning J F， Zhao Y B， and Shi W Z. Multiple instance learning based object tracking with multi-channel haar-like feature［J］. Journal of Image and Graphics， 2014， 19（7）: 1038-1045.

［12］ 鄭胤， 陳權崎， 章毓晉. 深度學習及其在目標和行為識別中的新進展［J］. 中國圖像圖形學報， 2014， 19（2）: 175-184. Zheng Y， Chen Q， and Zhang Y. Deep learning and its new progress in object and behavior recognition［J］. Journal of Image and Graphics， 2014， 19（2）: 175-184.

［13］ Vincent P， Larochellel H， Lajoie I， et al.. Stacked denoising autoencoders: learning useful representations in a deep network with a local denoising criterion［J］. Journal of Machine Learning Research， 2010， 11: 3371-3408.

［14］ 程帥， 曹永剛， 孫俊喜， 等. 基于增強群跟蹤器和深度學習的目標跟蹤［J］. 電子與信息學報， 2015， 37（7）: 1646-1653. Cheng S， Cao Y G， Sun J X， et al.. Target tracking based on enhanced flock of tracker and deep learning［J］. Journal of Electronics & Information Technology， 2015， 37（7）: 1646-1653.

［15］ Hinton G E and Salakhutdinov R R. Reducing the dimensionality of data with neural networks［J］. Science， 2006，313（5786）: 504-507.

［16］ Rob H and Alan F. Discriminatively trained particle filters for complex multi-object tracking［C］. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition，Miami， USA， 2009: 240-247.

［17］ 李天成， 孫樹棟. 采用雙重采樣的移動機器人Monte Carlo定位方法［J］. 自動化學報， 2010， 36（9）: 1279-1286. Li T C and Sun S D. Double-resampling based monte carlo localization for mobile robot［J］. Acta Automatica Sinica， 2010，36（9）: 1279-1286.

［18］ Torralba A， Fergus R， and Freeman W T. 80 million tiny images: a large data set for nonparametric object and scene recognition［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2008， 30（11）: 1958-1970.

［19］ Olshausen B and Field D. Sparse coding with an overcomplete basis set: a strategy employed by V1［J］. Vision Research， 1997， 37（23）: 3311-3326.

［20］ Dinh T B， Vo N， and Medion G. Context tracker: exploring supporters and distracters in unconstrained environments［C］. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition， Providence， USA， 2011: 1177-1184.

［21］ Zhang T， Ghanem B， Liu S， et al.. Robust visual tracking via multi-task sparse learning［C］. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition，Providence， USA， 2012: 2042-2049.

程 帥： 男，1987 年生，博士生，研究方向為圖像處理、目標跟蹤、深度學習.

曹永剛： 男，1972 年生，研究員，研究方向為光電測控設備總體及時統技術.

孫俊喜： 男，1971 年生，教授，研究方向為模式識別與智能系統、目標的檢測與跟蹤、嵌入式車牌識別系統、醫學圖像處理與分析.

劉廣文： 男，1971年生，副教授，研究方向為智能信息處理.

韓廣良： 男，1968年生，研究員，研究方向為實時視頻處理、視頻目標識別和跟蹤、計算機視覺.

Target Tracking Based on Multiple Instance Deep Learning

Cheng Shuai①Sun Jun-xi②Cao Yong-gang①③Liu Guang-wen①Hang Guang-liang③
①（School of Electronic Information Engineering， Changchun University of Science and Technology， Changchun 130022， China）②（School of Computer Science and Information Technology， Northeast Normal University， Changchun 130117， China）
③（Changchun Institute of Optics， Fine Mechanics and Physics， Chinese Academy of Sciences， Changchun 130000， China）

To overcome the problem that the deficiency of the appearance model and the motion model often leads to low precision in original Multiple Instance Learning （MIL）， a target tracking algorithm is proposed based on multiple instance deep learning. In original MIL algorithm， the image is not represented effectively by Haar-like feature. To improve the tracking precision， a stacked denoising autoencoder is used to learn image features and express the image representations obtained effectively. Selected feature vector could not be replaced in the original MIL algorithm， which has difficulty reflecting the changes of the target and the background.Thus， some weakest discriminative feature vector is replaced with new randomly generated feature vector when weak classifiers are selected. It introduces new information to the target model and adapts to the dynamic changes of the target. Aiming at the deficiency of using motion model where the location of the target is likely to appear within a radius in original MIL algorithm， the particle filter estimates object’s location to increase the tracking precision. Compared with the original MIL algorithm and other state-of-the-art trackers in the complex environment， the experiments on variant image sequences show that the proposed algorithm raise the tracking accuracy and the robustness.

Target tracking； Multiple instance learning； Deep learning； Weak classifier replacement； Particle filter

s: The National Natural Science Foundation of China （61172111）； The Science and Technology Department of Jilin Province （20090512， 20100312）

TP391.4

A

1009-5896（2015）12-2906-07

10.11999/JEIT150319

2015-03-17；改回日期：2015-07-27；網絡出版：2015-10-13

*通信作者：劉廣文 lgwen_2003@126.com

國家自然科學基金（61172111）和吉林省科技廳項目（20090512， 20100312）