基于相似性特征估计的目标跟踪算法研究

摘要：

基于深度学习的目标跟踪算法将卷积深层输出结果作为特征,虽然准确度高但耗时长;基于融合特征的目标跟踪算法按照响应值融合目标特征,虽然跟踪速度快,但降低了准确度.为了兼顾目标跟踪算法的时效性和准确度,提出基于相似性特征估计的目标跟踪算法.首先利用重要性重采样滤波粒子构建目标观测模型,其中包括选择粒子状态、转移系统状态、构建观测模型、粒子权值更新以及重采样过程.在此基础上,提取目标的统计纹理特征、运动尺寸特征以及运动速度与方向特征,并融合目标特征构建目标特征框架.结合相似性特征估计完成目标定位,包括描述目标模型、表示候选模型、度量目标具体相似度以及目标定位过程.在完成目标定位后,基于实时压缩实现目标跟踪.本文算法的跟踪准确度均在90％以上,跟踪过程耗时保持在450 ns以下,性能优于基于深度学习和融合特征的目标跟踪算法.本文算法能够快速、准确实现对目标的跟踪,应用优势较强.

关键词：图像处理、相似性特征估计、目标跟踪算法、目标观测模型、预估均值、观测阈值

所属期刊栏目：57

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;教育部卓越工程师教育培养计划项目产学合作协同育人项目

在线出版日期：2021-03-04（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：70-79