自适应特征融合的多尺度相关滤波目标跟踪算法

• 全文链接
• 请求原文

作   者：

陈智;  柳培忠;  骆炎民;  汪鸿翔;  杜永兆; 

作者机构：

华侨大学工学院;  华侨大学计算机科学与技术学院; 

关键词：

特征融合;  线性加权融合;  上下文感知;  模型更新;  目标跟踪; 

期刊名称：

计算机辅助设计与图形学学报

基金项目：

基于自参考干涉的光束质量M2因子测量方法及关键技术研究
基于可交换Clifford代数的彩色图像矩不变量研究

i s s n：

1003-9775

年卷期：

2018 年 30 卷 011 期

页   码：

2063-2073

摘   要：

针对单一特征目标跟踪算法不能较好地适应复杂场景的变化,容易受跟踪目标的尺度变化、形变、遮挡以及背景混杂等影响导致跟踪失败的问题,提出一种自适应特征融合的相关滤波目标跟踪算法.首先根据目标的HOG和CN特征,采用上下文感知相关滤波框架得到2种特征下滤波响应值,并且进行归一化处理;然后按照响应值占比分配权重并线性加权融合,将得到融合后响应值用于确定目标位置;再引入尺度相关滤波器,用于估计目标尺度变化,增强尺度应变能力;最后通过设定的预定义阈值来判断位置和尺度滤波模型的更新,提高模型的更新质量.采用OTB Benchmark数据集进行实验,分别与基于相关滤波和基于上下文感知框架等11种目标跟踪算法进行对比,结果表明,该算法在精确度和成功率上均取得较为理想效果,其中精确度为82.5%,成功率为54.2%;而且在尺度变化、形变、快速运动、遮挡等复杂场景挑战下具有较好的鲁棒性.