基于KCF算法的空中目标跟踪模拟

作者：柳天宇; **强

来源：激光与红外, 2021, 51(10): 1396-1400.

• 机器学习
• 目标检测
• YOLOv4
• 目标跟踪
• KCF
• 相关滤波

机器学习可以从图像数据中学习到强大的特征表征。如果将目标检测跟踪技术与机器学习技术结合,能够在目标快速检测、准确识别和精准跟踪的性能上有显著提升,符合现实需求。本文将基于深度学习的YOLOv4目标检测算法应用于该场景的目标检测中;然后基于相关滤波的KCF目标跟踪算法,利用相关滤波方法将计算转化到频域,减少计算量,提高目标跟踪的实时性,通过深度学习得到的深度特征和深度学习训练的分类器,对比人工特征,目标跟踪的准确性会有大幅提升。相关滤波器通过多层网络进行训练,将相关滤波和深度学习相结合,以平衡目标跟踪的实时性和准确性,并应用到该场景的目标跟踪中。模拟实验结果表明,本文提出的空中目标检测跟踪技术的目标检测准确率达到95%,跟踪精度达到99%,能够实现对空中目标的实时跟踪。

• 单位
  华北光电技术研究所