針對目標(biāo)發(fā)生形變、遮擋以及尺度變化導(dǎo)致跟蹤失敗的情況,本文提出了一種改進的多特征融合的目標(biāo)跟蹤算法。首先,通過計算方向梯度直方圖(Histogram of Oriented Gridients,HOG)和顏色命名(Color Names,CN)特征響應(yīng)相鄰兩幀峰值旁瓣比(Peak-to-Sidelobe Ratio,PSR)的差值得到這兩種特征的融合權(quán)重,用得到的權(quán)重對HOG和CN特征響應(yīng)進行自適應(yīng)融合,將第一次融合后的響應(yīng)與顏色直方圖特征獲得的響應(yīng)以固定權(quán)重進行二次融合,并根據(jù)融合結(jié)果確定目標(biāo)中心位置。其次,結(jié)合最終目標(biāo)響應(yīng)值的PSR與其均值的差值變化,對位置相關(guān)濾波器和尺度相關(guān)濾波器的學(xué)習(xí)速率進行動態(tài)調(diào)整。最后,在OTB50標(biāo)準(zhǔn)數(shù)據(jù)集上進行實驗驗證,并和其他跟蹤算法進行對比。實驗結(jié)果表明:本文算法在多項性能指標(biāo)上均優(yōu)于其他算法,其中精度為81.9%,成功率為61.1%,能有效適應(yīng)形變、遮擋以及尺度變化場景下的目標(biāo)跟蹤。

【文章頁數(shù)】：12 頁

【文章目錄】：
1 引言
2 Staple跟蹤算法
    2.1 相關(guān)濾波算法
    2.2 特征響應(yīng)
    2.3 最終響應(yīng)
3 多特征融合
    3.1 HOG與CN特征自適應(yīng)融合
    3.2 全局特征融合
4 濾波器的自適應(yīng)更新
5 實驗與分析
    5.1 實驗平臺及參數(shù)設(shè)置
    5.2 性能分析
        5.2.1 實驗一：視頻序列定量分析
        5.2.2 實驗二：視頻序列定性分析
        5.2.3 實驗三：平均跟蹤性能分析
        5.2.4 實驗四：算法平均跟蹤速度
6 結(jié)論



本文編號：3934703