基于滤波器自适应更新的机场目标跟踪算法

摘要：

机场场面目标跟踪常面临目标遮挡、背景干扰、低分辨率等因素的影响,导致跟踪准确性降低甚至丢失跟踪目标.针对以上问题,研究了基于滤波器自适应更新的机场目标跟踪算法.选取跟踪目标的颜色特征和深度特征,通过插值算子进行多特征融合,再将融合特征与之对应的滤波器进行卷积求和计算各区域置信度,置信度高的区域即为跟踪目标位置.为提高跟踪准确性,利用峰值旁瓣比与平均响应峰值能量建立了跟踪结果校验机制,并设计了1种滤波器自适应更新策略,使滤波器能够自适应调整学习速率,仅在结果可靠时更新.在西南某机场采集的视频数据集上进行测试,结果表明:算法在目标特征不明显或发生变化时具有更好的性能,在目标遮挡和背景干扰等9种因素下的跟踪性能有较大提升,整体精确度和成功率分别达到0.834和0.828,较原ECO算法分别提升了11.35％和11.29％,且均优于文中提到的其他5种经典算法.

关键词：智能交通、场面监视、自适应更新、相关滤波、卷积神经网络、多特征融合

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：国家重点研发计划;四川省科技计划重点研发项目

在线出版日期：2022-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：72-79,96