融合卡尔曼预测的改进KCF目标跟踪方法
张银环1
薛静云1
韦永全2
1.渭南职业技术学院建筑工程学院 渭南 714000;西安工业大学机电工程学院 西安 7100212.陕西铁路工程职业技术学院 渭南 714000
摘要：针对核相关滤波器(KCF)跟踪算法在遮挡环境中存在跟踪漂移及跟踪失败的问题,提出融合卡尔曼预测的改进KCF跟踪方法.采用灰度图像和方向梯度直方图(HOG)特征融合用于检测目标位置;利用平均峰值相关能量(APCE)进行目标遮挡判断并在KCF算法上改进:若发生遮挡情况,则用卡尔曼滤波算法预测下一时刻的目标位置,并代替原KCF算法中的目标,防止跟踪漂移;若无遮挡出现,则用KCF算法继续跟踪,从而实现遮挡环境下目标的有效跟踪.采用OTB100数据集对视频长时间和遮挡序列进行跟踪实验.结果表明:论文算法与KCF算法对比,在遮挡情况下目标跟踪精度和成功率分别提升11.9%和13.4%,说明论文提出算法的成功率和跟踪精度均显著提高.
关键词：核相关滤波器目标跟踪卡尔曼滤波遮挡环境
分类号：TP39(计算技术、计算机技术)
资助基金：智能建造与人工智能(青年)科技创新团队(WZYQNKETD202309)(WZYQNKETD202309)渭南市科技局项目(2022ZDYFJH-134)陕西省十四五教育科学规划课题项目(SGY23Y3178)
论文发表日期：2024-08-20
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：6( 55-60 )
英文信息