特征融合和自校正的多尺度改进KCF目标跟踪算法研究

摘要：

传统核相关滤波(KCF)目标跟踪算法使用单一特征,不监控跟踪输出,且跟踪框的大小是固定的,在跟踪对象发生尺度变化、遮挡等异常情况下容易导致跟踪失败.针对这一问题,本文提出一种改进的KCF目标跟踪算法.首先,在快速方向梯度直方图(FHOG)特征的基础上级联颜色特征(CN)训练和更新滤波器;其次,利用峰值旁瓣比(PSR)检查跟踪输出,当检测到跟踪输出异常时,启动自校正机制校正跟踪输出,从而准确地重新跟踪到目标.最后,融入尺度滤波器来适应目标尺度的变化.本文对该算法进行了仿真和实物实验,实验结果验证了该算法的有效性.

关键词：目标跟踪、相关滤波、异常检测、自校正、尺度自适应、特征融合

所属期刊栏目：32

分类号：TP391.41;TN911.73;TP183

资助基金：国家自然科学基金;河北省自然科学基金资助项目

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：337-350