自适应特征融合的多尺度核相关滤波目标跟踪

发布时间：2023-11-20 18:44

　　为了提高复杂场景中目标跟踪的稳健性,解决由光照变化、目标形变、尺度变化和遮挡等导致的目标跟踪失败问题,提出一种自适应特征融合的多尺度核相关滤波目标跟踪算法。该算法首先通过2种不同的特征分别训练2个核相关滤波器,利用这2个滤波器响应的峰值旁瓣比和相邻两帧的响应一致性获得融合权重,同时采用自适应加权的融合策略将这2个滤波器的响应结果进行融合,完成目标的位置估计;然后以此为中心进行多尺度采样,构建尺度金字塔,并通过贝叶斯估计的方法确定目标的最优尺度;最后依据目标跟踪的置信度进行跟踪模型更新,以避免模型退化。选取51组视频序列进行测试,并与近年来性能优异的目标跟踪算法进行对比。实验结果表明,所提算法能有效降低光照变化、目标形变、尺度变化和遮挡等因素影响,对测试视频序列取得了较高的跟踪精度和成功率,整体性能优于对比算法。

【文章页数】：12 页

【文章目录】：
1 引 言
2 核相关滤波目标跟踪原理
3 自适应特征融合的多尺度目标跟踪
    3.1 自适应特征融合
        3.1.1 特征选择
        3.1.2 融合方法
    3.2 多尺度估计
    3.3 更新策略
    3.4 算法流程
        1) 初始化。
        2) 位置估计。
        3) 尺度估计。
        4) 模型更新。
        5) 保存跟踪结果,并判断跟踪是否完成。
4 实验结果与分析
    4.1 实验环境及参数设置
    4.2 特征融合性能
    4.3 尺度估计性能
    4.4 综合跟踪性能
        4.4.1 定量分析
        4.4.2 定性分析
5 结 论



本文编号：3865621