多特征的尺度自适应核相关滤波目标跟踪算法

针对传统的核相关滤波跟踪算法(KCF)在复杂背景下目标跟踪效果不理想问题,提出一种多特征融合、多峰值检测机制以及尺度自适应相结合的核相关滤波算法。采用多特征线性融合策略,将方向梯度直方图(HOG)与颜色特征(CN)进行融合;使用多峰值检测更新机制来判断目标是否因遮挡而丢失;对目标尺度进行放缩,寻找具有最大响应值的尺度值,即为当前目标的最佳尺度。通过OTB-100公开数据集对算法进行评估,与传统KCF核相关滤波算法对比,改进后的算法在复杂背景下跟踪精确度与跟踪成功率有显著提高,具有较好的鲁棒性。

基于噪声检测和自适应方差的双边滤波算法

双边滤波是一种在滤除噪声的同时具有保持图像边缘能力的滤波算法,但是由于传统滤波的参数是提前设定的,并且具有保边性,因此对于含有与边缘像素近似的复杂噪声的图像处理无法达到良好效果。为了解决以上问题,提出一种改进的双边滤波算法,通过判断图像边缘的像素点是否为噪点,采取参数自适应设置的方法,从而实现有效的自适应双边滤波。通过实验仿真验证,提出的算法无论在主观观察还是客观评价标准上都取得了良好的效果,可知文中改进算法对图像边缘的处理更准确。

基于多特征融合的核相关滤波目标跟踪算法

为了解决传统的核相关滤波跟踪算法(KCF)在复杂背景下目标跟踪效果不理想问题,提出一种对多特征融合和多峰值检测机制相结合的核相关滤波算法。通过采用多峰值检测更新机制,计算最大响应峰值以及平均峰值相关能量(APCE)来判断目标是否因遮挡而丢失。为了验证改进后算法的跟踪性能与鲁棒性,通过OTB-100公开数据集对算法进行评估,与传统KCF核相关滤波算法相比,改进后的算法跟踪精确度为79.3%,相较于传统KCF算法明显提高;跟踪成功率为75.8%,高于传统跟踪算法,在遮挡时跟踪精度以及成功率均有显著提高。测试结果表明,该算法在遮挡、运动模糊、光照变化等复杂背景下有较好的跟踪效果,具有较好的鲁棒性。