基于多高斯相关滤波的实时跟踪算法

摘要：

针对分层卷积特征目标跟踪算法实时性不足和单分类器对目标表观变化适应能力差的问题,提出多高斯相关滤波器融合的实时目标跟踪算法.为了加快跟踪算法,提取VGG-19网络的Pool4和Conv5-3层的多通道卷积特征,通过稀疏采样减少卷积特征通道数;为了防止特征减少造成精确度下降,利用不同高斯分布样本训练多个相关滤波器,并对所有分类器预测的目标位置进行自适应加权融合,提高算法对目标姿态变化的鲁棒性;采用稀疏模型更新策略,进一步提高算法速度,使算法具有实时性.在OTB100标准数据集上对算法进行测试,结果表明,该算法的平均距离精度为86.6％,比原分层卷积特征目标跟踪算法提高了3.5％,在目标发生遮挡、形变、相似背景干扰等复杂情况时具有较好的鲁棒性;平均跟踪速度为43.7帧/s,实时性更好.

关键词：视觉跟踪、卷积特征、相关滤波、高斯分布、自适应融合

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划资助项目2017YFC0821102

在线出版日期：2019-08-22（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：1488-1495,1562