一种自适应模板更新的判别式KCF跟踪方法
为了解决单目标跟踪算法中存在的目标旋转、遮挡和快速运动等挑战,提出了一种基于自适应更新策略的判别式核相关滤波器(kernelized correlation filter,KCF)目标跟踪新框架.构建了外观判别式模型,实现跟踪质量有效性的评估.构造了新的自适应模板更新策略,能够有效区分目标跟踪异常时当前目标是否发生了旋转.提出了一种结合目标检测的跟踪新构架,能够进一步有效判别快速运动和遮挡状态.同时,针对上述3种挑战,分别采用模板更新、目标运动位移最小化以及目标检测算法实现目标跟踪框的恢复,保证了跟踪的有效性和长期性.实验分别采用2种传统手动特征HOG和CN(color names)验证提出的框架鲁棒性,结果证明了提出的目标跟踪新方法在速度和精度方面的优越性能.
目标跟踪、目标检测、高速核相关滤波算法、模板更新、卷积神经网络
14
TP391(计算技术、计算机技术)
国家自然科学基金项目61572458
2019-03-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
121-126