科研之友
微信
新浪微博
Facebook
分享链接
摘要
当前,目标跟踪技术日益成熟,但是受应用场景等因素的影响,比如当目标发生明显的形变、旋转、尺度变换、光照变换、运动模糊等情况传统的目标跟踪算法的准确度会大打折扣。为提高传统相关滤波(KCF)在目标跟踪上的准确度,文中在KCF目标跟踪的框架基础上,首先,独立训练HOG+Gray和CN颜色特征两个滤波器并输出对应响应图,然后通过自适应加权的方式融合两者的输出响应图;其次,在尺度变化方面,通过建立目标尺度池来求取目标最佳尺度,并且融入反向尺度检测机制;最后,在目标快速运动和遮挡问题上,通过自适应调整模型的学习率更新模型。实验部分,采用OTB-100目标跟踪数据库进行评测。将结果与常见几种跟踪算法进行对比,在平均跟踪精度与速度上优于其他算法。
- 单位
