DCFNet算法的物体长时跟踪解决方案

发布时间：2021-08-28 15:03

　　提出了一种基于DCFNet算法的长时跟踪解决方案。首先添加了模版更新策略,可以避免在物体发生遮挡时不必要的模版更新;其次添加了全局搜索策略,当跟踪算法在局部丢失目标物后,全局搜索策略会起作用,进行快速全局搜索,找到目标重新开始跟踪。全局搜索策略采用级联分类器的思想,保证了该策略的执行速度。虽然与DCFNet相比,本文提出的方法在平均速度上略有下降,但是在性能上有所提升,并且在DCFNet跟踪失败时,能够再次检测到目标物的位置持续跟踪下去。 

【文章来源】：单片机与嵌入式系统应用. 2019,19(05)

【文章页数】：5 页

【部分图文】：

表明目标物被严重遮挡或图５Ｐａｎｄａ第５００到６００帧的ＰＳＲ

ｇ作比较。若ｒｄｅｔｅｃｔｉｏｎ＞１．５ｒｔｒａｃｋｉｎｇ，则以检测模块检测到的候选框作为当前帧目标物的位置，同时在线更新跟踪模块的模版参数；否则仍以跟踪模块的结果为标准。图４Ｐａｎｄａ第５９６帧跟踪结果由图４和图５可以看出，在第５９６帧时，跟踪模块已经跟丢；同时第５９６帧的ＰＳＲ＜５．０，此时检测模块启动，图６为检测模块经过第一次尺度筛选得出的候选目标框，图７为检测模块的第二次筛选结果，图８为检测模块最终给出的目标物位置。接下来第５９７帧的目标物的跟踪结果将以检测结果提供的为准，如图９所示。图５Ｐａｎｄａ第５００到６００帧的ＰＳＲ图６全局检测的第一次筛选结果２．３算法实现流程算法实现流程如图１０所示。

图５Ｐａｎｄａ第５００到６００帧的ＰＳＲ


本文编号：3368736