針對(duì)彩色的視頻序列,傳統(tǒng)的核相關(guān)濾波（KCF）跟蹤方法沒(méi)有考慮其中的顏色信息,且缺少遮擋處理方案,當(dāng)目標(biāo)在遮擋、光照變化等因素的影響下,不能很好地處理。本文結(jié)合HSV空間顏色信息,提出了一種多特征融合和對(duì)目標(biāo)的丟失進(jìn)行處理的跟蹤方法,并且采用重檢測(cè)的方法來(lái)應(yīng)對(duì)目標(biāo)丟失的問(wèn)題。選取了公開(kāi)測(cè)試視頻集中的23段具有一定挑戰(zhàn)性的視頻序列,經(jīng)過(guò)試驗(yàn)測(cè)試后,對(duì)比經(jīng)典的KCF方法,平均中心位置誤差（CLE）減少了29. 51像素,平均距離精度提升了23. 87%。實(shí)驗(yàn)結(jié)果表明:在目標(biāo)發(fā)生快速運(yùn)動(dòng)、形態(tài)變化、遮擋、旋轉(zhuǎn)等復(fù)雜情況下均具有較強(qiáng)的魯棒性。 

【文章來(lái)源】：傳感器與微系統(tǒng). 2020,39(03)CSCD

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

選取部分視頻的跟蹤精度曲線(xiàn)對(duì)比

部分視頻序列跟蹤結(jié)果對(duì)比

【參考文獻(xiàn)】：
期刊論文
[1]時(shí)空上下文與CamShift相結(jié)合的目標(biāo)跟蹤算法[J]. 丁承君,閆彬.  傳感器與微系統(tǒng). 2018(05)
[2]分塊多特征自適應(yīng)融合的多目標(biāo)視覺(jué)跟蹤[J]. 施瀅,高建坡,崔杰,孫麗娟,陳宇.  傳感器與微系統(tǒng). 2015(09)



本文編號(hào)：3557746