基于核相关滤波器的高置信度自适应融合目标跟踪算法研究

摘要：

目前基于核相关滤波器的几种主流算法仍然存在目标漂移甚至跟丢的情况,本文算法在Staple: Comple-mentary Learners for Real-Time Tracking(以下简称Staple)和Large Margin Object Tracking with Circulant Feature Maps (以下简称LMCF)两种算法基础上进行融合并改进.首先利用贝叶斯公式求解出当前帧的背景和前景的直方图,对前景直方图进行均衡化,以消除噪声;其次,利用巴氏系数计算出当前帧的背景和前景的直方图的相似度值,通过数据分析设定阈值,以此消减目标与背景过于相似的问题;再次,根据所设阈值将直方图的bin值进行自适应,以此提高跟踪的分辨率;然后利用LMCF算法求出当前帧的最大峰值和平均峰值相关能量(APCE),并根据数据分析设定合适的阈值;最后将阈值范围内的最大值和APCE值与融合系数相结合,使算法达到自适应融合.本文算法(LMCF-Staple)在公开数据集平台OTB50、OTB100以及VOT2016上进行测试,结果显示LMCF-Staple算法的跟踪稳定性有一定提高,目标的漂移情况明显减少,并且其跟踪的精确度、成功率均优于目前主流的几种算法.

关键词：目标跟踪、核相关滤波、最大峰值、平均峰值相关能量、自适应融合

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：669-679