基于高置信度更新KCF的移动机器人行人跟随

摘要：

针对移动机器人对行人目标的实时跟随过程中容易出现目标尺度变化、遮挡、形变等问题,提出了一种基于模型和尺度高置信度更新策略的核相关滤波算法(OURS算法).采用一维快速判别尺度空间的方法解决了核相关滤波算法不能应对尺度变化的问题;提出了一种新的置信度判断方法,对OURS算法模型的检测结果进行判断,当目标发生完全遮挡时,切换为卡尔曼滤波算法预测目标的位置;对尺度检测的结果进行置信度判断,避免跟踪框发生错误的尺度更新.通过视频序列仿真实验和真实环境实验对OURS算法的目标跟踪效果进行验证,并与核相关滤波算法(KCF)和快速判别尺度空间相关滤波(fDSST)算法进行对比.结果表明:改进后OURS算法的整体精度和成功率分别为0.758和0.711,与KCF、fDSST算法相比有明显提升;在人物目标发生尺度变化、遮挡、形变等情况后,跟踪框依然可以准确框住目标;采用图像伺服控制策略的移动机器人行人跟随系统可根据行人的位置调整线速度和角速度,保持稳定的跟随.

关键词：移动机器人、目标跟踪、核相关滤波算法(KCF)、尺度自适应、置信度、行人跟随

所属期刊栏目：39

分类号：TP242.6(自动化技术及设备)

资助基金：国家自然科学基金资助项目U1733108

在线出版日期：2020-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：67-74