針對核相關(guān)濾波算法（KCF）難以處理目標(biāo)尺度變化、旋轉(zhuǎn)、遮擋等問題,本文在KCF的框架下提出了一種融合多層深度特征的抗遮擋目標(biāo)跟蹤算法。首先,在頻域中,利用嶺回歸分類器訓(xùn)練VGG-2048上的conv3和conv6兩層深度特征,分別得出置信度,將兩者特征加權(quán)相連,替代原KCF的方形梯度直方圖（HOG）特征,同時引入第1幀目標(biāo)的殘留信息,獲得更為出色的位置響應(yīng)輸出。然后,針對遮擋問題,提出一種響應(yīng)峰值判斷抗遮擋機制。最后,通過雙線性插值建立深度特征尺度池,解決目標(biāo)尺度問題。在測試集（OTB-100）上的實驗結(jié)果表明,改進后的算法能解決復(fù)雜環(huán)境下的目標(biāo)跟蹤問題,算法具有魯棒性。 

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引 言
1 KCF算法分析
    1.1 嶺回歸分類器訓(xùn)練
    1.2 快速檢測
    1.3 模型更新
2 融合多層深度特征的抗遮擋KCF算法
    2.1 融合響應(yīng)輸出
    2.2 抗遮擋處理
    2.3 尺度處理
3 實驗分析
    3.1 實驗環(huán)境設(shè)置
    3.2 定量評價
    3.3 定性評價
        (1) 快速運動及旋轉(zhuǎn)
        (2) 尺度變化
        (3) 遮擋物干擾
4 結(jié) 論


【參考文獻】：
期刊論文
[1]自適應(yīng)模型更新相關(guān)濾波目標(biāo)跟蹤方法[J]. 王科平,武帥帥,王紅旗.  傳感器與微系統(tǒng). 2019(01)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應(yīng)用. 2016(09)
[3]粒子濾波理論、方法及其在多目標(biāo)跟蹤中的應(yīng)用[J]. 李天成,范紅旗,孫樹棟.  自動化學(xué)報. 2015(12)
[4]基于互信息的目標(biāo)跟蹤方法[J]. 惠斌,陳法領(lǐng),羅海波.  紅外與激光工程. 2007(S2)
[5]小波雙線性插值迭代算法應(yīng)用于光學(xué)遙感圖像[J]. 劉卜,屈有山,馮桂蘭,楊秀芳,相里斌.  光子學(xué)報. 2006(03)



本文編號：3731081