自适应特征融合的多尺度核相关滤波目标跟踪

• 作者: 丁庆海 刘云鹏 常铮 惠斌 罗海波 陈宏宇 陈法领
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 机器视觉 计算机视觉 目标跟踪 核相关滤波 自适应特征融合 多尺度估计
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 机器视觉
• 页码范围: 103-114
• 页数: 12页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3788/AOS202040.0315001

摘要

为了提高复杂场景中目标跟踪的稳健性,解决由光照变化、目标形变、尺度变化和遮挡等导致的目标跟踪失败问题,提出一种自适应特征融合的多尺度核相关滤波目标跟踪算法.该算法首先通过2种不同的特征分别训练2个核相关滤波器,利用这2个滤波器响应的峰值旁瓣比和相邻两帧的响应一致性获得融合权重,同时采用自适应加权的融合策略将这2个滤波器的响应结果进行融合,完成目标的位置估计;然后以此为中心进行多尺度采样,构建尺度金字塔,并通过贝叶斯估计的方法确定目标的最优尺度;最后依据目标跟踪的置信度进行跟踪模型更新,以避免模型退化.选取51组视频序列进行测试,并与近年来性能优异的目标跟踪算法进行对比.实验结果表明,所提算法能有效降低光照变化、目标形变、尺度变化和遮挡等因素影响,对测试视频序列取得了较高的跟踪精度和成功率,整体性能优于对比算法.