提出了一種特征權(quán)值與尺度自適應(yīng)的核相關(guān)跟蹤算法。提取目標(biāo)搜索區(qū)域的方向梯度直方圖（HOG）特征和顏色名（CN）特征進(jìn)行自適應(yīng)權(quán)值融合,通過融合特征的相關(guān)濾波響應(yīng)圖的峰值找到目標(biāo)位置;利用權(quán)值較大特征的相關(guān)濾波響應(yīng)圖的峰值和峰值旁瓣比的乘積作為尺度評估依據(jù),對目標(biāo)尺度進(jìn)行粗略估計和精確估計,從而得到目標(biāo)的最佳尺度。通過在目標(biāo)跟蹤標(biāo)準(zhǔn)（OTB-2013）數(shù)據(jù)集上的仿真實驗,結(jié)果表明相比核相關(guān)濾波跟蹤算法以及其他5種跟蹤算法,所提算法在跟蹤精度和成功率方面都有明顯提高,跟蹤精度為0.799,成功率為0.723,能較好地適應(yīng)目標(biāo)尺度的變化。 

【文章來源】：激光與光電子學(xué)進(jìn)展. 2019,56(10)北大核心CSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 KCF跟蹤器
3 特征權(quán)值與尺度自適應(yīng)的核相關(guān)跟蹤算法
    3.1 自適應(yīng)權(quán)值特征融合
    3.2 快速尺度估計
    3.3 算法實現(xiàn)步驟
4 仿真實驗結(jié)果與分析
    4.1 實驗環(huán)境與參數(shù)設(shè)置
    4.2 定性分析
    4.3 定量分析
5 結(jié)論


【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. 2018(08)
[2]基于核相關(guān)的尺度自適應(yīng)視覺跟蹤[J]. 廖秀峰,侯志強(qiáng),余旺盛,王姣堯,陳傳華.  光學(xué)學(xué)報. 2018(07)
[3]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)
[4]特征融合的尺度自適應(yīng)相關(guān)濾波跟蹤算法[J]. 李聰,鹿存躍,趙珣,章寶民,王紅雨.  光學(xué)學(xué)報. 2018(05)
[5]多尺度估計的核相關(guān)濾波器目標(biāo)跟蹤方法[J]. 潘振福,朱永利.  激光與光電子學(xué)進(jìn)展. 2016(10)



本文編號：3389274