融合相关粒子滤波目标跟踪算法

摘要：

相关滤波算法因其优越的高效性和鲁棒性被广泛应用于目标跟踪领域,但是该算法无法很好地处理目标遮挡和尺度变化等问题.针对该现象,提出了一种融合相关粒子滤波目标跟踪算法,该算法采用多个相关滤波器,学习到更多目标信息和背景信息,提高了目标与背景辨识度,并且引进了粒子滤波随机采样策略,在目标离开遮挡物时能够快速捕捉到目标.在尺度估计中引入了多尺度因子,对定位到的目标进行多尺度缩放,选用与滤波器响应值最大区域对应的尺度因子作为缩放比例,从而对目标进行尺度更新;粒子滤波算法随着粒子数目的增加,其计算量也随着增加,针对该问题,提出了基于粒子繁衍的重采样算法,在跟踪效率上做了提升.对提出的算法进行了三部分对比实验,实验结果验证了提出算法在处理目标遮挡和尺度变化问题上的有效性.

关键词：目标跟踪、相关滤波、粒子滤波、尺度估计、目标遮挡

所属期刊栏目：56

分类号：TP391.4(计算技术、计算机技术)

资助基金：湖北省自然科学基金No.2017CFB302

在线出版日期：2020-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：184-192