文献类型：期刊文章

作　　者：陈智[1] 柳培忠[1] 骆炎民[2] 汪鸿翔[1] 杜永兆[1]

Chen Zhi;Liu Peizhong;Luo Yanmin;Wang Hongxiang;Du Yongzhao(College of Engineering,Huaqiao University,Quanzhou 362021;College of Computer Science and Technology,Huaqiao University,Xiamen 361021)

机构地区：[1]华侨大学工学院,泉州362021 [2]华侨大学计算机科学与技术学院,厦门361021

出　　处：《计算机辅助设计与图形学学报》

基　　金：国家自然科学基金(61605048;61203242);华侨大学中青年教师科研提升资助计划(ZQN-PY518);华侨大学研究生科研创新能力培育计划项目(1611422001);福建省自然科学基金(2016J01300)

年　　份：2018

卷　　号：30

期　　号：11

起止页码：2063-2073

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对单一特征目标跟踪算法不能较好地适应复杂场景的变化,容易受跟踪目标的尺度变化、形变、遮挡以及背景混杂等影响导致跟踪失败的问题,提出一种自适应特征融合的相关滤波目标跟踪算法.首先根据目标的HOG和CN特征,采用上下文感知相关滤波框架得到2种特征下滤波响应值,并且进行归一化处理;然后按照响应值占比分配权重并线性加权融合,将得到融合后响应值用于确定目标位置;再引入尺度相关滤波器,用于估计目标尺度变化,增强尺度应变能力;最后通过设定的预定义阈值来判断位置和尺度滤波模型的更新,提高模型的更新质量.采用OTB Benchmark数据集进行实验,分别与基于相关滤波和基于上下文感知框架等11种目标跟踪算法进行对比,结果表明,该算法在精确度和成功率上均取得较为理想效果,其中精确度为82.5%,成功率为54.2%;而且在尺度变化、形变、快速运动、遮挡等复杂场景挑战下具有较好的鲁棒性.

关 键 词：目标跟踪 特征融合  上下文感知 线性加权融合  模型更新  

分 类 号：TP391.41]