科研之友
微信
新浪微博
Facebook
分享链接
摘要
背景感知滤波算法通过循环移位采集真实负样本，有效解决了边界效应。但在复杂场景例如遮挡、快速移动、背景干扰等，其较大的采样区域导致过多背景在杂波干扰，从而影响跟踪效果。针对这一问题，本文首先提取灰度Hog特征与颜色CN特征来提高目标外观模型，在基准目标函数基础上引入L1稀疏正则约束形成弹性网络以自适应筛选关键特征，增强滤波器在复杂背景下的判别能力。同时针对BACF在跟踪过程中目标快速变化，本文引入时间正则项提高滤波器抑制畸变的能力。最后，本文提出了一种独立的尺度滤波器算法，准确提供目标尺度大小。实验仿真结果表明，在公开数据集OTB-2013和OTB-2015上，本文算法较基准算法有很大提升，能够较好应对不同复杂场景下的跟踪难题。
-
单位通信与信息工程学院; 重庆邮电大学
