摘要
针对核相关滤波(KCF)跟踪算法中无法处理目标尺度变化以及单一特征的局限性问题,并避免在目标遮挡、形变等情况下跟踪器对目标的丢失,提出一种自适应尺度特征融合的异常重检(SFAR)跟踪算法。通过融合多尺度及颜色特征后的核相关滤波器,检测跟踪目标并得到多尺度图像,然后根据提取的多尺度图像去训练成多尺度目标模型,在其过程中引入峰值的异常值判定来矫正,若发生异常峰值则判定目标跟踪丢失,后进入重检机制。在公开的OTB-50数据集上测试,实验结果表明,改进算法精度为0.740,成功率为0.591,跟踪效果得到显著提升。
- 单位