基于特征融合的长时目标跟踪算法

针对长时目标跟踪中目标遮挡、目标出视野等因素导致的目标失跟问题, 提出一种基于特征融合的长时目标跟踪算法, 提高目标跟踪的速度和稳健性。首先, 融合目标方向梯度直方图特征、颜色空间特征和局部敏感直方图特征, 来增强算法在复杂情况下的特征判别力, 提高目标跟踪的稳健性, 并对融合特征进行降维来提高目标跟踪的速度; 然后, 通过额外的一维尺度相关滤波器来获得目标最优的尺度估计, 并通过正交三角分解来无损降低计算复杂度; 最后, 自适应确定目标检测阈值, 在目标遮挡或出视野导致目标失跟时, 通过EdgeBoxes方法提取目标候选区域, 利用结构化支持向量机重新检测目标位置达到长时跟踪的目的。在标准跟踪数据集OTB2015和UAV123上进行实验。结果表明, 本文算法较对比算法中最优算法目标跟踪平均精度提升5.0%, 目标跟踪平均成功率提升2.6%, 目标跟踪平均速度为28.2 frame/s, 可满足跟踪的实时性要求。在目标受到遮挡、出视野等情况下, 该算法仍能够对目标进行持续准确的跟踪。