自适应特征融合的多尺度相关滤波目标跟踪算法

摘要：

针对单一特征目标跟踪算法不能较好地适应复杂场景的变化,容易受跟踪目标的尺度变化、形变、遮挡以及背景混杂等影响导致跟踪失败的问题,提出一种自适应特征融合的相关滤波目标跟踪算法.首先根据目标的HOG和CN特征,采用上下文感知相关滤波框架得到2种特征下滤波响应值,并且进行归一化处理;然后按照响应值占比分配权重并线性加权融合,将得到融合后响应值用于确定目标位置;再引入尺度相关滤波器,用于估计目标尺度变化,增强尺度应变能力;最后通过设定的预定义阈值来判断位置和尺度滤波模型的更新,提高模型的更新质量.采用OTB Benchmark数据集进行实验,分别与基于相关滤波和基于上下文感知框架等11种目标跟踪算法进行对比,结果表明,该算法在精确度和成功率上均取得较为理想效果,其中精确度为82.5％,成功率为54.2％;而且在尺度变化、形变、快速运动、遮挡等复杂场景挑战下具有较好的鲁棒性.

关键词：目标跟踪、特征融合、上下文感知、线性加权融合、模型更新

所属期刊栏目：30

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61605048, 61203242;华侨大学中青年教师科研提升资助计划ZQN-PY518;福建省自然科学基金2016J01300;华侨大学研究生科研创新能力培育计划项目1611422001

在线出版日期：2018-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2063-2073