结合模糊特征检测的鲁棒核相关滤波跟踪法
针对跟踪领域内由于图像模糊而导致跟踪失败的问题,提出一种结合模糊特征检测的鲁棒核相关滤波(kernelized correlation filter,KCF)跟踪法.首先,将尺度不变特征变换(scale invariant feature transform,SIFT)描述子与局部二值模式(local binary pattern,LBP)算法结合,提取模糊图像中的特征点,并采用圆形邻域描述该特征点,以降低特征向量的维度,综合构建出模糊特征检测器.其次,设置图像清晰度阈值,若当前图像清晰度低于阈值,则启动模糊特征检测器,通过特征向量间的匹配,得出跟踪目标的位置;否则,通过传统的核相关滤波法预测目标位置.最后,在公开数据集OTB-2013和OTB-2015中的测试结果表明:与其他实验算法相比,该算法可对模糊图像中的目标进行有效跟踪且精度较高.
计算机视觉、目标跟踪、核相关滤波法、尺度不变特征变换、局部二值模式、模糊特征检测器、图像清晰度评价、特征匹配
16
TP391.41(计算技术、计算机技术)
国家自然科学基金;陕西省自然科学基金
2021-07-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
323-329