一种多特征融合的目标跟踪算法

发布时间：2024-03-22 05:31

　　针对目标发生形变、遮挡以及尺度变化导致跟踪失败的情况,本文提出了一种改进的多特征融合的目标跟踪算法。首先,通过计算方向梯度直方图(Histogram of Oriented Gridients,HOG)和颜色命名(Color Names,CN)特征响应相邻两帧峰值旁瓣比(Peak-to-Sidelobe Ratio,PSR)的差值得到这两种特征的融合权重,用得到的权重对HOG和CN特征响应进行自适应融合,将第一次融合后的响应与颜色直方图特征获得的响应以固定权重进行二次融合,并根据融合结果确定目标中心位置。其次,结合最终目标响应值的PSR与其均值的差值变化,对位置相关滤波器和尺度相关滤波器的学习速率进行动态调整。最后,在OTB50标准数据集上进行实验验证,并和其他跟踪算法进行对比。实验结果表明:本文算法在多项性能指标上均优于其他算法,其中精度为81.9%,成功率为61.1%,能有效适应形变、遮挡以及尺度变化场景下的目标跟踪。

【文章页数】：12 页

【文章目录】：
1 引言
2 Staple跟踪算法
    2.1 相关滤波算法
    2.2 特征响应
    2.3 最终响应
3 多特征融合
    3.1 HOG与CN特征自适应融合
    3.2 全局特征融合
4 滤波器的自适应更新
5 实验与分析
    5.1 实验平台及参数设置
    5.2 性能分析
        5.2.1 实验一：视频序列定量分析
        5.2.2 实验二：视频序列定性分析
        5.2.3 实验三：平均跟踪性能分析
        5.2.4 实验四：算法平均跟踪速度
6 结论



本文编号：3934703