基于HOG-SVM的改进跟踪-学习-检测算法的目标跟踪方法

摘要：

对于经典跟踪-学习-检测(TLD)跟踪算法,在目标受到遮挡、光照、干扰、旋转和尺度变化等问题时,会导致算法的跟踪精度和速度降低,计算的复杂度较高,实时性差.针对以上问题,提出一种改进的TLD目标跟踪算法.首先针对检测模块中计算复杂度高的问题,将HOG-SVM结合替换原TLD算法中的2bit BP特征和集成分类器;再针对原算法中跟踪精度低的问题,将KCF跟踪算法替换中值光流法;在HOG-SVM+KCF跟踪算法的基础上,对滑动窗口法进行改进,解决原算法中实时性差的问题.实验表明,改进后的跟踪算法,在背景环境变化的情况下,跟踪精度和速度都有提高,实时性加强.

关键词：TLD、HOG-SVM、KCF跟踪算法、滑动窗口法

所属期刊栏目：19

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51574102

在线出版日期：2019-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：266-271