基于改进核相关滤波器的目标跟踪算法

被引：8

作者：

江维创

张俊为

桂江生

机构：

[1] 浙江理工大学信息学院

来源：

计算机工程 | 2018年 / 44卷 / 11期

关键词：

核相关滤波器; 目标跟踪; 分类器响应; 遮挡检测; 目标搜索;

D O I：

10.19678/j.issn.1000-3428.0048918

中图分类号：

TM713 [电力系统短路]; TP391.41 [];

学科分类号：

080802 ; 080203 ;

摘要：

在跟踪场景中,目标自身和背景会发生不可预测的变化,给目标跟踪带来较大困难。针对该问题,建立一种基于核相关滤波器(KCF)处理遮挡的跟踪算法。根据前向分类器响应最大值的分布特征建立遮挡处理模型,采用阈值方法进行遮挡检测,在目标受到遮挡之后通过块区域螺旋搜索方法进行目标搜索,在目标搜索过程中计算滑动框的响应判定是否为目标。在OTB测试序列集的测试结果表明,与Staple、DSST、KCF、SST算法相比,该算法在跟踪准确度上比次优方法提高6. 1%,在跟踪成功率上比次优方法提高1. 5%。

引用

页码：222 / 227

页数：6

共 7 条

[1] 基于自重构粒子滤波算法的目标跟踪 [J].

王宇霞 ;

赵清杰 ;

蔡艺明 ;

王博 .

计算机学报, 2016, 39 (07) :1294-1306

[2] 智能视频监控技术综述 [J].

黄凯奇 ;

陈晓棠 ;

康运锋 ;

谭铁牛 .

计算机学报, 2015, 38 (06) :1093-1118

[3] 一种尺度自适应的Mean Shift跟踪算法 [J].

张凤军 ;

赵岭 ;

安国成 ;

王宏安 ;

戴国忠 .

计算机研究与发展, 2014, 51 (01) :215-224

[4]

Visual Tracking:an experimental survey .2 Smeulders A W M,Chu D M,R.C ucchiara,et al. IEEE Transactions on Pattern Analysis and Machine Intel igence . 2013

[5]

Visual tracking with online multiple instance learning .2 Babenko B,Yang M-H,Belongie S. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition . 2009

[6]

Robust object tracking via sparsity-based collaborative model .2 ZHONG W,LU H CH,YANG M H. Computer Vision and Pattern Recognition (CVPR) . 2012

[7]

Histograms of oriented gradients for human detection .2 Dalal N,Triggs D. Proceedings of Conference on Computer Vision and Pattern Recognition . 2005

← 1 →