融合运动状态信息的高速相关滤波跟踪算法

发布时间：2023-02-11 14:48

　　为解决相关滤波(Discriminative Correlation Filter,DCF)算法在快速运动、遮挡、尺度变化等复杂情景下的跟踪失败问题,提出一种融合运动状态信息的高速相关滤波目标跟踪算法.在传统DCF算法基础上做出以下改进:(1)在跟踪框架中融入卡尔曼(Kalman)滤波器,利用目标运动状态信息对预测运动轨迹进行修正,以解决目标复杂运动时易跟丢问题,提高跟踪精度;(2)训练一个独立的尺度相关滤波器进行目标尺度预测,并利用主成分分析法(Principal Component Analysis,PCA)进行特征降维处理,提高跟踪速度;(3)提出一种高置信度更新策略判断是否对位置滤波器进行模板更新,以及是否采用Kalman滤波器预测位置作为目标位置.最后在OTB-100数据集上进行算法测试,提出算法平均精度与成功率分别达到74.8%与69.8%,平均帧率为84.37帧/s.相较其他几种主流算法,本文算法有效提高跟踪性能,并保证了跟踪速度,满足实时性要求,在遮挡、背景模糊、运动模糊等复杂情况下能够保持良好的跟踪效果.

【文章页数】：10 页

【文章目录】：
1 相关滤波基本原理
    1.1 分类器训练
    1.2 快速检测
    1.3 参数更新
2 算法
    2.1 卡尔曼修正
    2.2 特征降维与尺度估计
        2.2.1 特征降维
        2.2.2 尺度估计
    2.3 自适应更新
3 实验及结果分析
    3.1 定量分析
        3.1.1 整体跟踪性能测试
        3.1.2 不同属性下跟踪性能测试
    3.2 定性分析
4 结论



本文编号：3740590