針對單一濾波器難以適應(yīng)復(fù)雜變化的目標(biāo)跟蹤環(huán)境的問題,本文在高效卷積算子目標(biāo)跟蹤算法的基礎(chǔ)上,提出了自適應(yīng)多濾波器的目標(biāo)跟蹤算法。該算法使用時(shí)空正則化濾波器、一致性檢驗(yàn)濾波器和高效卷積算子算法中的相關(guān)濾波器分別與目標(biāo)特征進(jìn)行卷積,得到三個(gè)濾波檢測得分。其中,時(shí)空正則化濾波器是通過將時(shí)間正則化引入相關(guān)濾波損失函數(shù)而得到;一致性檢驗(yàn)濾波器是通過反向定位前幾幀目標(biāo),比較反向與正向定位坐標(biāo)的誤差,只有誤差小于閾值時(shí)才更新濾波器;選擇峰值旁瓣比最大濾波檢測得分,估計(jì)目標(biāo)的位置。使用OTB-2015數(shù)據(jù)集和UAV123數(shù)據(jù)集對改進(jìn)算法進(jìn)行測試,實(shí)驗(yàn)結(jié)果表明,本文算法能夠更好地適應(yīng)跟蹤過程中的復(fù)雜變化的環(huán)境,具有較高的精度和魯棒性。 

【文章來源】：光電工程. 2020,47(07)北大核心CSCD

【文章頁數(shù)】：13 頁

【參考文獻(xiàn)】：
期刊論文
[1]視覺目標(biāo)跟蹤方法研究綜述[J]. 葛寶義,左憲章,胡永江.  中國圖象圖形學(xué)報(bào). 2018(08)
[2]改進(jìn)粒子濾波的弱小目標(biāo)跟蹤[J]. 樊香所,徐智勇,張建林.  光電工程. 2018(08)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法綜述[J]. 胡碩,趙銀妹,孫翔.  高技術(shù)通訊. 2018(03)
[4]目標(biāo)跟蹤算法綜述[J]. 盧湖川,李佩霞,王棟.  模式識別與人工智能. 2018(01)
[5]基于多階段學(xué)習(xí)的相關(guān)濾波目標(biāo)跟蹤[J]. 孫航,李晶,杜博,肖雅夫,胡云玲.  電子學(xué)報(bào). 2017(10)
[6]基于生成式模型的目標(biāo)跟蹤方法綜述[J]. 朱文青,劉艷,卞樂,張子龍.  微處理機(jī). 2017(01)
[7]基于特征融合和尺度自適應(yīng)的干擾感知目標(biāo)跟蹤[J]. 李雙雙,趙高鵬,王建宇.  光學(xué)學(xué)報(bào). 2017(05)



本文編號：3178190