针对目标位置、尺度等快速变化易导致跟踪失败以及目标丢失后无法重新跟踪目标的问题,提出了一种基于核相关性滤波的长时间目标跟踪算法。算法引入多尺度检测的思想,对跟踪目标的最优尺度进行搜索,有效地提高了目标快速变化时的跟踪器鲁棒性。同时算法引入TLD算法框架,增加检测模块与学习模块,在跟踪器跟踪失败是对目标重新锁定,并且引入扩展卡尔曼滤波对检测扫描区域预测,可提高算法的运算速度与准确度。试验结果表明:论文研究基于相关性滤波的长时间目标跟踪算法可实现较稳定的长时间目标跟踪。
科研之友
微信
新浪微博
Facebook
分享链接
