特征权值与尺度自适应的核相关跟踪算法

发布时间：2021-09-07 09:08

　　提出了一种特征权值与尺度自适应的核相关跟踪算法。提取目标搜索区域的方向梯度直方图（HOG）特征和颜色名（CN）特征进行自适应权值融合,通过融合特征的相关滤波响应图的峰值找到目标位置;利用权值较大特征的相关滤波响应图的峰值和峰值旁瓣比的乘积作为尺度评估依据,对目标尺度进行粗略估计和精确估计,从而得到目标的最佳尺度。通过在目标跟踪标准（OTB-2013）数据集上的仿真实验,结果表明相比核相关滤波跟踪算法以及其他5种跟踪算法,所提算法在跟踪精度和成功率方面都有明显提高,跟踪精度为0.799,成功率为0.723,能较好地适应目标尺度的变化。 

【文章来源】：激光与光电子学进展. 2019,56(10)北大核心CSCD

【文章页数】：7 页

【文章目录】：
1 引言
2 KCF跟踪器
3 特征权值与尺度自适应的核相关跟踪算法
    3.1 自适应权值特征融合
    3.2 快速尺度估计
    3.3 算法实现步骤
4 仿真实验结果与分析
    4.1 实验环境与参数设置
    4.2 定性分析
    4.3 定量分析
5 结论


【参考文献】：
期刊论文
[1]视觉目标跟踪方法研究综述[J]. 葛宝义,左宪章,胡永江.  中国图象图形学报. 2018(08)
[2]基于核相关的尺度自适应视觉跟踪[J]. 廖秀峰,侯志强,余旺盛,王姣尧,陈传华.  光学学报. 2018(07)
[3]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋.  模式识别与人工智能. 2018(01)
[4]特征融合的尺度自适应相关滤波跟踪算法[J]. 李聪,鹿存跃,赵珣,章宝民,王红雨.  光学学报. 2018(05)
[5]多尺度估计的核相关滤波器目标跟踪方法[J]. 潘振福,朱永利.  激光与光电子学进展. 2016(10)



本文编号：3389274