自适应特征融合的多尺度核相关滤波目标跟踪

摘要：

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.

关键词：机器视觉、计算机视觉、目标跟踪、核相关滤波、自适应特征融合、多尺度估计

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFC080192

在线出版日期：2020-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：103-114