特征融合自适应目标跟踪

经典视觉单目标跟踪方法通常以单特征描述被跟踪的目标。但在实际场景中,目标因受外界因素如光照或自身变化如形变的影响而发生变化。为了更好地描述目标,首先引入HOG特征和CN特征,利用传统的特征提取方法,训练得到各自的相关滤波器;然后与各自特征相关滤波得到各自的响应图;最后采用实际响应与期望响应的差值法求得各自响应图的权重,将其与各响应图自适应融合得到目标的最终位置,并自适应更新各自的模型。实验选取公共数据集OTB2013的34个彩色视频帧序列对不同算法进行定性和定量地分析和论证。相比效果最好的DSST算法,平均中心误差减少了7.8像素,成功率提高了1.2%,精度提高了2.3%。实验结果表明该算法具有较好的跟踪鲁棒性和准确性。