融合SVM的多特征DSST目标跟踪算法

• 作者: 王承赟 王思卿 张龙杰 李彦宽 张龙云
• 来源期刊: 兵工自动化
• 关键词: DSST算法 多特征融合 SVM分类器 目标重检测 鲁棒性跟踪
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 自动测量与控制|Automatic Measurement and Control
• 页码范围: 39-45,66
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.7690/bgzdh.2021.07.009

摘要

为解决DSST算法多尺度搜索策略跟踪时目标出现严重遮挡、非刚性形变、目标脱离视场导致的目标外观变化的问题,提出一种将支持向量机(support vector machine,SVM)目标重检测模块融合的算法.提取目标的多种特征然后将这些特征矢量融合以增强目标的特征表达.在DSST算法的位置和尺度滤波器的基础上,新增目标外观滤波器,利用训练好的SVM全局搜索目标.采用不同大小的窗口采样来训练相关模型并建立一个SVM的最优分类面,通过SVM对丢失后的目标进行重检测.实验结果表明,改进算法比DSST算法在对目标受到遮挡、目标非刚性形变等问题上的鲁棒性能均有提高.