改进KCF的尺度自适应目标跟踪算法研究
刘思思1
陈忠1
徐雪茹1
吴亮2
1.华中科技大学人工智能与自动化学院 武汉 4300742.华中科技大学外国语学院 武汉 430074
摘要：针对KCF跟踪算法在目标跟踪过程中存在目标尺度变化时检测精度低、目标遮挡时跟踪容易丢失等问题,提出了SMAKCF(Scale-Adaptive Multiple-Feature Anti-Occlusion KCF)跟踪算法,该算法同时优化了KCF算法中的尺度响应、特征选择及模板更新策略,融合HOG特征及CN特征,加入尺度估计滤波器并利用APCE判据改进位置滤波器的更新方式,同时引入了一个检测模块对不可靠跟踪结果进行重检测.在Visual Tracker Benchmark的50个测试视频序列上进行实验来评估算法的性能,实验表明,SMAKCF算法能够有效地解决目标的尺度变化及遮挡问题,提高跟踪算法在长时目标跟踪过程中的性能.
关键词：核相关滤波尺度变化目标遮挡重检测
分类号：TP391(计算技术、计算机技术)
资助基金：民用航天十三五预先研究项目(D040401-w05)国产卫星应急观测与信息支持关键技术项目(B0302)
论文发表日期：2024-05-20
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：8( 1359-1365,1393 )
英文信息