【摘要】：針對核相關跟蹤算法(KCF)對特征敏感及無法跟蹤尺度的問題,本文從特征提取和尺度自適應兩個方面對核相關濾波跟蹤算法進行了研究。提出了一種基于色度飽和度-角度梯度直方圖特征的自適應核相關跟蹤算法來改善KCF算法的跟蹤性能。首先,研究了HSI顏色空間的特點,基于顏色和梯度是互補的圖像特征,提出了一種融合了梯度和顏色的HHS-OG特征來有效提高原始KCF算法對目標和背景的判別力。其次,針對KCF無法處理目標尺度變化的問題,在跟蹤的檢測階段采用一組固定的尺度因子進行圖像塊采樣,根據(jù)得到的濾波響應圖估計目標的最優(yōu)位置和尺度。將所提算法在大量視頻序列上進行了跟蹤實驗,結果顯示其平均跟蹤速度為37.5frame/s,跟蹤精度和成功率分別提升了5.4%和10.1%。實驗表明HHS-OG特征具有良好的目標-背景判別能力,能夠實現(xiàn)魯棒跟蹤,而尺度自適應策略能較大程度地提高跟蹤精度。
[Abstract]:Aiming at the problem that kernel correlation tracking algorithm (KCF) is sensitive to features and unable to track the scale, this paper studies the kernel correlation filter tracking algorithm from two aspects: feature extraction and scale adaptation. An adaptive kernel correlation tracking algorithm based on color saturation-angle gradient histogram feature is proposed to improve the tracking performance of KCF algorithm. Firstly, the characteristics of HSI color space are studied. Based on the fact that color and gradient are complementary image features, a new HHS-OG feature which combines gradient and color is proposed to effectively improve the discriminant power of the original KCF algorithm to the target and background. Secondly, aiming at the problem that KCF can not deal with the change of target scale, a set of fixed scale factors are used for image block sampling in the detection stage of tracking, and the optimal position and scale of the target are estimated according to the obtained filter response graph. Experiments on a large number of video sequences show that the average tracking speed is 37.5frame-1 / s, and the tracking accuracy and success rate are improved by 5.4% and 10.1%, respectively. Experiments show that HHS-OG features have good object-background discriminant ability and can achieve robust tracking, while the scale adaptive strategy can improve the tracking accuracy to a large extent.
【作者單位】： 軍械工程學院2系;
【基金】：國家自然科學基金資助項目(No.61141009)
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 柏柯嘉;;一種改進的粒子濾波跟蹤算法[J];計算機工程;2010年18期

2 倫云飛;陳書楊;;基于多特征的粒子濾波跟蹤算法[J];計算機光盤軟件與應用;2013年14期

3 沈玉娟;王健;;基于粒子濾波跟蹤方法研究[J];儀表技術;2010年03期

4 馬加慶;韓崇昭;;一類基于信息融合的粒子濾波跟蹤算法[J];光電工程;2007年04期

5 李由;張恒;李立春;;基于多測量融合的粒子濾波跟蹤算法[J];國防科技大學學報;2007年05期

6 陳善靜;楊華;曾凱;張紅;王一程;;基于遺傳算法的粒子濾波跟蹤算法[J];光電工程;2010年10期

7 張笑微;師改梅;周建雄;石頭;彭定明;程紅霞;;結合顏色和結構信息的粒子濾波跟蹤算法[J];光電工程;2008年10期

8 劉亞輝;賈慶軒;孫漢旭;高欣;;視頻序列的多特征粒子濾波跟蹤方法[J];北京郵電大學學報;2011年S1期

9 陳聰;閔華清;羅榮華;;一種基于多信息融合的粒子濾波跟蹤算法[J];信息化縱橫;2009年10期

10 羅濤;王建中;陸培源;;融合背景信息的改進粒子濾波跟蹤算法[J];北京理工大學學報;2011年05期

相關會議論文 前2條

1 吳川;;基于DSP平臺的粒子濾波跟蹤算法的實現(xiàn)[A];第八屆全國信息獲取與處理學術會議論文集[C];2010年

2 高丙坤;李文超;王帥;;一種改進的粒子濾波跟蹤算法[A];第二十九屆中國控制會議論文集[C];2010年

相關博士學位論文 前1條

1 朱明清;基于粒子濾波的魯棒視覺目標跟蹤算法研究[D];中國科學技術大學;2011年

相關碩士學位論文 前9條

1 李恒暉;復雜背景動態(tài)建模與粒子濾波跟蹤方法[D];中國民航大學;2009年

2 周潔蕓;GPGPU加強的3D粒子濾波跟蹤算法研究[D];電子科技大學;2015年

3 薛孝琴;基于改進Mean-Shift算法的粒子濾波跟蹤的應用研究[D];武漢科技大學;2009年

4 唐曉梅;面向視頻的粒子濾波目標跟蹤算法研究[D];浙江工業(yè)大學;2011年

5 吳迪;基于粒子濾波的目標跟蹤算法研究[D];東北大學;2009年

6 張曉利;基于粒子濾波跟蹤的步態(tài)特征提取算法研究[D];山東大學;2010年

7 王月領;基于粒子濾波的感興趣視頻目標跟蹤的技術研究[D];寧波大學;2009年

8 王松林;基于壓縮感知的目標跟蹤研究[D];南京理工大學;2014年

9 張寶亮;粒子濾波目標成像跟蹤算法研究[D];西安電子科技大學;2008年

，

本文編號：2186104