一种多特征自适应学习机制的目标跟踪算法
甘展鹏1
许华荣2
何原荣1
曹卫1
1.厦门理工学院计算机与信息工程学院 厦门 3610242.厦门理工学院计算机与信息工程学院 厦门 361024;厦龙工程技术研究院 龙岩 364000
摘要：当前,目标跟踪技术日益成熟,但是受应用场景等因素的影响,比如当目标发生明显的形变、旋转、尺度变换、光照变换、运动模糊等情况传统的目标跟踪算法的准确度会大打折扣.为提高传统相关滤波(KCF)在目标跟踪上的准确度,文中在KCF目标跟踪的框架基础上,首先,独立训练HOG+Gray和CN颜色特征两个滤波器并输出对应响应图,然后通过自适应加权的方式融合两者的输出响应图;其次,在尺度变化方面,通过建立目标尺度池来求取目标最佳尺度,并且融入反向尺度检测机制;最后,在目标快速运动和遮挡问题上,通过自适应调整模型的学习率更新模型.实验部分,采用OTB-100目标跟踪数据库进行评测.将结果与常见几种跟踪算法进行对比,在平均跟踪精度与速度上优于其他算法.
关键词：相关滤波多特征融合尺度变化自适应学习率
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61772444)国家自然科学基金(U1805264)福建省科技计划(2018I0026)福建省科技计划(2019I0036)国家重点实验室开放基金(2018XKA007)福建省中青年教师教育科研项目(JT180440)
论文发表日期：2020-12-20
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：6( 2830-2835 )
英文信息