江南大学物联网工程学院轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
提出一种基于高置信度模型更新策略的多相关滤波器协同跟踪算法。利用卷积网络结构VGG-Net-19提取目标周围区域的多层卷积特征,构造深度滤波器,以自适应的特征融合策略实现目标初定位;建立尺度滤波器以检测目标的尺寸变化;利用主次峰坡度比作为跟踪置信度指标,设计一种高置信度下的模型更新策略;当跟踪置信度不足时,通过EdgeBox方法提取目标候选区域,利用设计的重检测滤波器,确定目标的最终位置。在标准数据集OTB-100和TC-128上的实验结果表明,本文算法取得了较高的跟踪精度,在目标发生遮挡、光线变化、出视野等复杂情况时,算法依旧可以稳健地跟踪。
机器视觉 目标跟踪 相关滤波 卷积神经网络 模型更新 激光与光电子学进展
2019, 56(19): 191502
