由于跟踪过程目标不规则形变的影响,采用固定纵横比的尺度模型无法精确地估计目标的尺度.为解决该问题,本文提出基于纵横比自适应的相关滤波跟踪算法.基于fDSST(fast Discriminative Scale Space Tracking)算法,训练学习纵横比模型,更...由于跟踪过程目标不规则形变的影响,采用固定纵横比的尺度模型无法精确地估计目标的尺度.为解决该问题,本文提出基于纵横比自适应的相关滤波跟踪算法.基于fDSST(fast Discriminative Scale Space Tracking)算法,训练学习纵横比模型,更新目标的纵横比,获取更精确的目标尺度.在此基础上,本文设计了平滑修正方案以及学习率自适应机制,可以有效地缓解因目标出现遮挡导致的模型漂移问题.在OTB100、VOT2016和VOT2018数据集上与其他跟踪算法进行对比实验,结果表明本文算法改善了基准算法的性能,特别是在OTB100上的总体准确率和成功率比fDSST提高了9.6%和6.2%.展开更多
针对概率数据互联(Probability data association, PDA)算法在杂波环境下计算复杂度高的问题,设计了一种基于PDA算法的数据关联方法,当波门内量测点数量大于阈值时,采用PDA算法更新目标状态;当波门内量测点数量小于等于阈值时,采用最近...针对概率数据互联(Probability data association, PDA)算法在杂波环境下计算复杂度高的问题,设计了一种基于PDA算法的数据关联方法,当波门内量测点数量大于阈值时,采用PDA算法更新目标状态;当波门内量测点数量小于等于阈值时,采用最近邻思想筛选目标量测点,接着利用卡尔曼滤波(Kalman filter, KF)算法实现杂波环境下的快速滤波更新。在此基础上,通过自适应区间平滑方法,动态修正平滑区间,实现整体状态估计的反向平滑,从而提升算法的精度。不同杂波环境下的实验结果表明,本文方法相较于PDA算法与KF-PDA算法,在保证跟踪效率的同时,有效提升了系统状态的估计精度,验证了该方法的鲁棒性和有效性。展开更多
文摘由于跟踪过程目标不规则形变的影响,采用固定纵横比的尺度模型无法精确地估计目标的尺度.为解决该问题,本文提出基于纵横比自适应的相关滤波跟踪算法.基于fDSST(fast Discriminative Scale Space Tracking)算法,训练学习纵横比模型,更新目标的纵横比,获取更精确的目标尺度.在此基础上,本文设计了平滑修正方案以及学习率自适应机制,可以有效地缓解因目标出现遮挡导致的模型漂移问题.在OTB100、VOT2016和VOT2018数据集上与其他跟踪算法进行对比实验,结果表明本文算法改善了基准算法的性能,特别是在OTB100上的总体准确率和成功率比fDSST提高了9.6%和6.2%.
