由于各種因素的干擾,在現(xiàn)實復雜的情況下目標跟蹤過程中可能出現(xiàn)模型漂移和跟蹤失敗等問題,針對目標跟蹤的魯棒性和準確性提出一種聯(lián)合檢測的自適應融合目標跟蹤算法。根據(jù)深層和淺層卷積特征具有的不同優(yōu)點,使它們單獨作用于相關(guān)濾波器得到其各自的響應分數(shù),通過最小化損失使不同卷積特征的響應分數(shù)自適應融合。結(jié)合本研究的位置檢測方法判斷預測位置的有效性和真實性,得到最優(yōu)的目標跟蹤結(jié)果。在OTB-2015和VOT-2017兩個數(shù)據(jù)庫中進行大量測試,試驗結(jié)果表明,本研究所提方法與LSART算法相比魯棒性提高了10%,準確性提高了3.9%,并且對目標遮擋和尺度變化具有出色的性能表現(xiàn)。 

【文章來源】：山東大學學報(工學版). 2020,50(03)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 相關(guān)工作
    1.1 相關(guān)濾波
    1.2 卷積特征
2 本研究方法
    2.1 聯(lián)合檢測
    2.2 自適應融合
3 試驗與結(jié)果
    3.1 試驗環(huán)境和參數(shù)設(shè)置
    3.2 定性評估
    3.3 定量評估
        3.3.1 在OTB-2015中評估
        3.3.2 在VOT-2017中評估
4 結(jié)論


【參考文獻】：
期刊論文
[1]自適應特征選擇的相關(guān)濾波跟蹤算法[J]. 劉萬軍,孫虎,姜文濤.  光學學報. 2019(06)
[2]基于雙步相關(guān)濾波的目標跟蹤算法[J]. 葛寶義,左憲章,胡永江,張巖.  紅外與激光工程. 2018(12)



本文編號：2971310