基于深度估计和特征融合的尺度自适应目标跟踪算法

• 作者: 牟琦 张寒 何志强 李占利
• 来源期刊: 图学学报
• 关键词: 目标跟踪 相关滤波 特征融合 深度估计网络 深度-尺度估计模型 尺度自适应
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图像处理与计算机视觉|Image Processing and Computer Vision
• 页码范围: 563-571
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2021040563

摘要

针对核相关滤波目标跟踪算法(KCF)使用单特征来描述所跟踪的目标,在复杂环境下,目标尺度发生较大变化时,无法准确跟踪目标的问题,提出基于深度估计和特征融合的尺度自适应目标跟踪算法.首先利用深度神经网络估计视频序列中目标的深度,建立并训练深度-尺度估计模型;在跟踪过程中,融合目标方向梯度直方图(HOG)特征和CN(Color Name)特征训练相关滤波器,利用深度估计网络得到目标深度值,并利用深度-尺度估计模型得到目标的尺度值,从而在目标尺度发生变化时,能够调整目标框大小,实现尺度自适应的目标跟踪算法.实验结果表明,与经典的KCF算法相比,可获得更高的精度,与尺度自适应的判别型尺度空间跟踪(DSST)算法相比,在尺度变化较大时,跟踪速度更快;在环境复杂、目标被遮挡时,鲁棒性更好.