融合深度特征和FHOG特征的尺度自适应相关滤波跟踪算法

摘要：

为了解决核相关滤波跟踪算法在复杂场景下跟踪效果差的问题,提出了一种融合深度特征和尺度自适应的相关滤波目标跟踪算法.首先,通过深度残差网络(ResNet)提取图像中被跟踪区域的深度特征,再提取目标区域方向梯度直方图(FHOG)特征,通过核相关滤波器学习,分别得到多个响应图,并对响应图进行加权融合,得到跟踪目标位置.其次,通过方向梯度直方图(FHOG)特征,训练一个PCA降维的尺度滤波器,实现对目标尺度的估计,使算法对目标尺度发生变化有很好的自适应能力.最后,根据响应图的峰值波动情况改进模型更新策略,引入重新检测机制,降低模型发生漂移概率,提高算法抗遮挡能力,在标准数据集OTB100中与其他7种目标跟踪算法进行比较.结果表明,相比原始KCF算法,改进后的KCF算法精准度提升了29.4％,成功率提升了25.9％.所提算法实现了对跟踪目标位置的精准估计,提高了尺度自适应能力和算法速度,增强了算法抗遮挡能力.

关键词：计算机图像处理;目标跟踪;核相关滤波;深度特征;多尺度;抗遮挡

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：黑龙江省自然科学基金C201414

在线出版日期：2021-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：591-600