科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统相关滤波跟踪算法在遮挡、出视野、形变、背景杂乱等挑战场景中容易出现跟踪失败的问题,本文提出快速尺度支持相关滤波跟踪算法。首先,利用循环样本构造支持相关滤波器,并将跟踪问题视为支持相关滤波器的学习问题;然后,利用离散傅里叶变换与迭代优化策略解决了支持相关滤波器的学习问题,极大地降低了算法复杂度;同时,利用对数极坐标变换将目标尺度估计问题转换为对数极坐标下的位移变化,实现了目标尺度的自适应;最后,采用自适应模板更新策略,解决了遮挡情况的模板漂移问题。利用标准数据集测试对本文算法性能进行评估,结果表明:所提算法精确度为0.964,成功率为0.892,均优于传统的相关滤波跟踪算法,可以较好地解决形变、遮挡、出视野、背景杂乱等情况下的目标跟踪问题。
- 单位
