科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对KCF算法无法应对跟踪目标尺度变化的问题，提出自适应尺度更新策略，使算法自适应调节窗口尺寸；融合FHOG特征与采用PCA降维后的CN特征，提高KCF算法在复杂背景下的跟踪精度，同时保证改进算法的实时性；通过自适应目标响应策略，使更新的模型更适合目标形变，并利用子网格插值方法代替线性插值方法，减少离散傅里叶变换次数，综合地提高KCF算法的跟踪性能。在OTB2015数据集上进行实验，实验结果表明该方法平均跟踪速度为43.5帧/秒，跟踪精度和成功率比KCF分别提升了11百分点和19.9百分点。该算法在复杂多变的环境中具有良好的识别能力，能够实现快速精准的鲁棒跟踪。
- 单位
