基于多特征提取和自适应关键滤波器的目标跟踪算法
刘惠临
轩文杰
安徽理工大学 计算机科学与工程学院,安徽 淮南 232001
摘要：为解决核相关滤波(kernelized correlation filter,KCF)目标跟踪算法在复杂场景下精准度和成功率低的问题,提出基于多特征提取和自适应关键滤波器的目标跟踪算法(multi-feature extraction and adaptive key filter based object tracking algorithm,MEAKF).首先,选择帧图像的方向梯度直方图(histogram of oriented gradients,HOG)特征、深度浅层卷积特征以及深度高层卷积特征,通过主成分分析(principal component analysis,PCA)对特征进行降维,将这 3 种特征分别训练得到相应的滤波器.然后,基于跟踪目标感兴趣区域的相似度对视频序列中的关键帧图像进行判断,关键帧图像上采用深度高层卷积特征训练的滤波器作为关键滤波器.最后,在非关键帧图像上采用 2 种滤波器进行目标定位,在关键帧图像上采用 3 种滤波器进行目标定位,以此达到更好的跟踪效果.MEAKF算法与KCF算法相比,在精准度上提升了 0.051,在成功率上提升了 0.104,算法性能得到了有效提高.
关键词：机器视觉目标跟踪滤波特征融合自适应关键帧
分类号：TP391(计算技术、计算机技术)
资助基金：安徽省高等学校自然科学研究重点项目(KJ2020A0299)
论文发表日期：2023-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 462-470 )
英文信息