融合多层深度特征的核相关滤波跟踪算法

发布时间：2023-01-15 13:01

　　针对核相关滤波算法（KCF）难以处理目标尺度变化、旋转、遮挡等问题,本文在KCF的框架下提出了一种融合多层深度特征的抗遮挡目标跟踪算法。首先,在频域中,利用岭回归分类器训练VGG-2048上的conv3和conv6两层深度特征,分别得出置信度,将两者特征加权相连,替代原KCF的方形梯度直方图（HOG）特征,同时引入第1帧目标的残留信息,获得更为出色的位置响应输出。然后,针对遮挡问题,提出一种响应峰值判断抗遮挡机制。最后,通过双线性插值建立深度特征尺度池,解决目标尺度问题。在测试集（OTB-100）上的实验结果表明,改进后的算法能解决复杂环境下的目标跟踪问题,算法具有鲁棒性。 

【文章页数】：8 页

【文章目录】：
0 引 言
1 KCF算法分析
    1.1 岭回归分类器训练
    1.2 快速检测
    1.3 模型更新
2 融合多层深度特征的抗遮挡KCF算法
    2.1 融合响应输出
    2.2 抗遮挡处理
    2.3 尺度处理
3 实验分析
    3.1 实验环境设置
    3.2 定量评价
    3.3 定性评价
        (1) 快速运动及旋转
        (2) 尺度变化
        (3) 遮挡物干扰
4 结 论


【参考文献】：
期刊论文
[1]自适应模型更新相关滤波目标跟踪方法[J]. 王科平,武帅帅,王红旗.  传感器与微系统. 2019(01)
[2]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[3]粒子滤波理论、方法及其在多目标跟踪中的应用[J]. 李天成,范红旗,孙树栋.  自动化学报. 2015(12)
[4]基于互信息的目标跟踪方法[J]. 惠斌,陈法领,罗海波.  红外与激光工程. 2007(S2)
[5]小波双线性插值迭代算法应用于光学遥感图像[J]. 刘卜,屈有山,冯桂兰,杨秀芳,相里斌.  光子学报. 2006(03)



本文编号：3731081