基于多层深度特征的尺度相关粒子滤波算法

• 作者: 马媛媛 杨小军
• 来源期刊: 计算机技术与发展
• 关键词: 目标跟踪 粒子滤波 相关滤波 尺度变化 卷积神经网络
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 应用前沿与综合
• 页码范围: 169-174,180
• 页数: 7页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.06.030

摘要

针对常见的视频目标跟踪算法难以适应形变以及遮挡等一些干扰场景,该文提出了一种基于多层深度特征的尺度相关粒子滤波跟踪方法.与现有的基于相关滤波器和粒子滤波器的跟踪方法相比,该算法具有许多优点.首先,利用区分尺度空间的跟踪器,考虑了目标对象的尺度变化,在对目标尺度估计方面表现良好.其次,通过卷积神经网络提取目标特征,能够处理目标较大变化和防止跟踪器漂移.最后,通过尺度相关滤波器将采样的粒子引导至目标状态分布模式,与传统的粒子滤波算法相比,该算法能够用较少的粒子有效地覆盖目标状态,具有鲁棒跟踪性能和较低的计算成本.通过在具有挑战性的基准数据集上的大量实验表明,该跟踪算法与现有的一些跟踪算法相比具有良好的性能.