10.3969/j.issn.1006-2475.2020.01.021
基于KCF的样本更新与目标重定位方法
为了解决核相关滤波(Kernelized Correlation Filter,KCF)算法由于测量误差的累积导致目标跟踪失败的问题,提出一种样本质量评价机制,筛选样本对分类器进行更新操作.为了解决目标遮挡后重定位的问题,使用Kalman滤波算法估计目标位置,然后评价其估计结果.为了解决目标位置难以预测的问题,使用ORB特征点匹配算法完成目标的重新定位.在TB数据集中选取部分序列进行测试.实验结果表明,目标出现短时间、长时间遮挡时,改进算法在精确度和成功率上都有一定程度的提高.
目标跟踪、核相关滤波、样本更新、Kalman滤波、ORB特征点
TP391.4(计算技术、计算机技术)
江苏省自然科学基金资助项目BK20151500
2020-04-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
111-116