科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统长期相关滤波器使用特征单一、跟踪失败后无法再次捕捉到目标的缺点,提出一种结合深度学习的多特征融合长期目标跟踪算法.本算法在长期相关跟踪算法(long-term correlation tracking, LCT))的基础上,采用多特征融合的方式,将局部二值模式特征、改进的方向梯度直方图特征以及颜色特征相融合,来提高跟踪算法的鲁棒性.由于LCT算法选择随机蕨分类器进行目标重检,对检测范围有局限性且重检精度较低,故采用基于深度学习的孪生网络实例搜索(SINT)方法对全局图像进行目标重检.本文的实验在OTB100数据集上进行,结果表明:本文算法与LCT算法相比,距离精度和成功率分别提升了13%和10.3%.
- 单位
