融合DSST和KCF的尺度自适应跟踪算法

摘要：

针对核相关滤波(kernelized correlation filters,KCF)算法无法对目标尺度变化做出响应,和判别型尺度空间跟踪(discriminative scale space tracking,DSST)算法计算效率较低,难以实现实时跟踪的问题,提出一种融合KCF与DSST的跟踪算法.用最小二乘法获得位置滤波器,检测候选样本并估计目标位置;从目标位置中心提取33种不同尺度下的梯度直方图特征作为样本训练获得尺度滤波器;在目标位置应用尺度滤波器来获得目标尺寸的准确估计.实验结果表明,该算法对目标尺度变化有较强的自适应能力,在测试集上平均速度达到103.7帧/秒,满足实时性要求.

关键词：核相关滤波、目标跟踪、判别型尺度空间跟踪、尺度变化、实时性

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目61305011;江苏省自然科学基金项目BK20150793;江苏省产学研合作基金项目BY2018005;江苏省科技副总基金项目FZ20180011

在线出版日期：2020-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3563-3568