摘要
针对跟踪-学习-检测(TLD)算法跟踪速度慢,对光照变化鲁棒性差的问题,提出了一种融合核相关滤波(KCF)和方向梯度直方图(HOG)的改进TLD目标跟踪算法。该算法将TLD跟踪模块的中值流跟踪替换为KCF目标跟踪,通过循环矩阵将计算从时域转换到频域,大大降低了计算量,提高了算法的跟踪速度;再通过提取目标的HOG特征,代替TLD检测模块中随机森林检测器的灰度特征,通过对图像的归一化,降低光照强度对检测的影响,增加了检测器检测成功率,提高了算法的鲁棒性。实验表明,改进TLD算法的一次性通过评估(OPE)精确度达78.7%,成功率达74%;在光照变化下的OPE精确度和成功率也高出TLD算法15%以上;测试视频的跟踪速度达TLD算法的2倍,具有较好的实时目标跟踪能力。
- 单位