基于尺度自适应均值偏移优化的TLD跟踪算法

• 作者: 张惊雷 时鹏 温显斌
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: tracking-learning-detection 均值偏移 尺度自适应 跟踪-检测反馈
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 144-150
• 页数: 7页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2017.1029

摘要

为解决目标在形变、遮挡和快速运动时所导致的跟踪失败,在经典TLD算法的框架下,使用尺度自适应均值偏移算法重新设计跟踪器,提出了MS-TLD算法.通过引入颜色直方图特征和尺度自适应,跟踪器能准确跟踪形变和快速运动的目标.设计跟踪-检测反馈机制,通过跟踪器和检测器相互校正,使新算法在目标被遮挡时具有很好的跟踪鲁棒性.采用TB-50标准测试集进行了实验验证与评测,结果表明所提出算法有效克服了由于目标形变、遮挡和快速运动以及背景干扰所导致的跟踪失败,比TLD等4种经典算法具有更好的跟踪准确性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温显斌	天津理工大学计算机视觉与系统教育部重点实验室	41	173	8.0	11.0
2	张惊雷	天津理工大学电气电子工程学院	21	128	6.0	11.0
6	时鹏	天津理工大学电气电子工程学院	1	1	1.0	1.0