基于Struck的在线学习和相似度匹配的双重更新跟踪算法

摘要：

针对Struck算法在遇到完全遮挡后难以恢复目标的跟踪问题,提出了利用双重更新策略对目标进行跟踪的算法.首先标定首帧中目标的所在位置,提取目标特征作为初始模板.其次,设计相似函数判别当前帧目标区域与初始模板的相似度,超过阈值的区域选为正样本加入到在线学习的过程.最后,当目标遇到完全遮挡时,通过遍历搜索的方式寻找与目标相似的图像块,选择超过阈值中相似度最高的图像块作为目标继续跟踪.实验结果表明,改进后的算法可以更好地解决因遮挡或背景相近等复杂条件引起的目标跟踪丢失的问题.

关键词：在线学习、相似度匹配、双重更新、结构化内核、视觉目标跟踪

所属期刊栏目：38

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金项目61803235;山东省重点研发计划项目2016GSF201197;山东省高等学校科技计划项目J16LB11

在线出版日期：2019-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：74-80