相關(guān)濾波算法是通過(guò)模板與檢測(cè)目標(biāo)的相似性來(lái)確定目標(biāo)位置,自從將相關(guān)濾波概念用于目標(biāo)跟蹤起便一直受到廣泛的關(guān)注,而核相關(guān)濾波算法的提出更是將這一理念推到了一個(gè)新的高度。核相關(guān)濾波算法以其高速度、高精度以及高魯棒性的特點(diǎn)迅速成為研究熱點(diǎn),但核相關(guān)濾波算法在抗遮擋性能上有著嚴(yán)重的缺陷。本文針對(duì)核相關(guān)濾波在抗遮擋性能上的缺陷對(duì)此算法進(jìn)行改進(jìn),提出了一種融合Sobel邊緣二元模式算法的改進(jìn)KCF算法,通過(guò)Sobel邊緣二元模式算法加權(quán)融合目標(biāo)特征,然后計(jì)算目標(biāo)的峰值響應(yīng)強(qiáng)度旁瓣值比檢測(cè)目標(biāo)是否丟失,最后將Kalman算法作為目標(biāo)遮擋后搜索目標(biāo)的策略。結(jié)果顯示,本文方法不僅對(duì)抗遮擋有較好的魯棒性,而且能夠滿(mǎn)足實(shí)時(shí)要求,準(zhǔn)確地對(duì)目標(biāo)進(jìn)行再跟蹤。

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖5目標(biāo)遮擋部分結(jié)果Fig.5Partoftargetocclusionresults111124155205290Tiger2色框是SRDCF，白色框(用水綠色表示)

318幀和第329幀，而其它7種算法都出現(xiàn)了目標(biāo)丟失。在Subway數(shù)據(jù)集中，DSST和LDES在跟蹤過(guò)程中，由于跟蹤目標(biāo)較小，受到背景干擾比較多，導(dǎo)致了跟蹤效果不佳。在Tiger2數(shù)據(jù)集中，目標(biāo)經(jīng)歷了遮擋和尺度稍微變化，只有SPKCF、SRDCF和STRCF跟蹤的效果比較好，例....

圖4KCF與SPKCF在視頻上與真實(shí)位00.20.40.51002000幀數(shù)300400幀數(shù)80

和STRCF跟蹤的效果比較好，例如第124癥第205幀和第290鄭在受到不同程度遮擋的數(shù)據(jù)集上，本文算法很好地處理遮擋后跟蹤，而其它7種算法都受到不同程度的影響，導(dǎo)致跟蹤效果沒(méi)有達(dá)到預(yù)期，圖6顯示了8種算法在數(shù)據(jù)集上的精確度圖。圖5目標(biāo)遮擋部分結(jié)果Fig.5Partoftarge....

本文編號(hào)：3902250