多模态深层次高置信度融合跟踪算法

为解决单目标跟踪中因目标外观及环境变化导致的跟踪失败问题,提出一种多模态深层次高置信度融合跟踪算法.首先构建目标颜色模型和基于双线性插值HOG特征形状模型的高维度多模态模型,之后对候选目标利用粒子滤波进行搜索.针对模型融合的难点,通过准确量化形状和颜色模型多种置信度并设计高置信度融合准则,以实现该多模态模型中不同置信度的深层次自适应加权平衡融合.最后针对模型更新参数固定的问题,设计非线性分级平衡更新策略.经过在OTB-2015数据集上的测试,发现该算法的平均CLE和OS在所有参照算法表现中均表现最佳,其值分别为30.57和0.609.此外,其FPS为15.67,满足了跟踪算法在一般情况下的实时性要求.在某些常见的特定场景中,其精确率、成功率指标在多数情况下的表现也超过了同类顶尖算法.