自適應位置融合的目標跟蹤算法
摘要：為提高分層卷積特征目標跟蹤算法的實時性和魯棒性,文中提出了一種基于多個相關濾波器預測位置自適應融合的實時目標跟蹤算法。該算法首先提取VGG-19網絡的Pool4層卷積特征,通過特征均值比對多通道的特征圖進行裁剪,提高算法速度。然后利用不同高斯樣本分布訓練多個相關濾波分類器,并對所有分類器預測的目標位置進行自適應融合,提高算法對目標姿態變化的魯棒性;最后采用稀疏模型更新策略,進一步提高算法速度。在OTB100標準數據集上測試本文算法,實驗結果表明,該算法的平均距離精度為86.3%,比原分層卷積特征跟蹤算法提高了2.6個百分點,在目標發生遮擋、形變、相似背景干擾等情況時具有很好的魯棒性;平均跟蹤速度為45.2幀/s,是原算法的4倍,實時性能良好。
注: 保護知識產權,如需閱讀全文請聯系電子科技雜志社
相關推薦
更多
