基于核相关滤波器和分层卷积特征的长时间目标跟踪

针对长时间目标跟踪中出现的目标形变、尺度变化、目标遮挡以及离开视野等问题,提出一种基于核相关滤波器和分层卷积特征的长时目标跟踪算法。首先,利用预训练的卷积神经网络模型提取分层卷积特征来训练核相关滤波器,进行位置估计。其次,构建目标尺度金字塔,进行尺度估计。最后,为了应对目标遮挡以及离开视野导致跟踪失败的情况,训练一个在线支持向量机进行目标再检测,从而实现长时间目标跟踪。在长时间目标跟踪数据集上的测试结果表明:所提算法的精度分别比其他几种主流跟踪算法HCF,LCT,DSST,KCF和TLD高出7%,15%,17%,21%和50%。