一种自适应响应融合的目标跟踪算法

目标跟踪过程中物体的形变、缩放、旋转、遮挡、运动模糊、光照变化和背景干扰等会导致显著的外观变化,严重影响跟踪算法的性能。针对该问题,在特征提取方式,检测模型和自适应融合等方面对传统的核相关滤波算法进行了改进,提出了一种自适应响应融合的核相关滤波算法。最后,在目标跟踪标准数据集OTB2013上,将提出的自适应响应融合的核相关滤波算法与主流的目标跟踪算法KCF,Staple, CSK等进行性能比较,本文提出的算法总体精度为0.850,总体成功率为0.773,均优于近年具有代表性的相关滤波算法。

一种多尺度估计和自适应响应融合目标跟踪算法

针对相关滤波跟踪框架中深度特征跟踪优势受限和计算存储存在冗余等问题,提出一种多尺度估计和自适应响应融合目标跟踪算法。该算法通过调整高斯标签参数,充分发挥手工特征准确性和深度特征鲁棒性优势,并学习连续域卷积算子融合多分辨率特征;为了减少计算和样本的冗余,通过分解卷积操作对特征进行有监督降维来减少模型参数,采用基于高斯混合模型的动态样本融合,并使用模糊稀疏的模型更新机制提高模型有效性;根据预测质量评估标准,进行自适应响应融合。实验结果表明:该算法在目标发生遮挡、形变和快速运动等多种情况下,具有较好的跟踪有效性。