摘要：传统的KCF跟踪算法利用FHOG特征对目标进行描述训练分类器从而实现预测跟踪,当出现的光照变化、目标与背景颜色相似、目标尺寸变化等问题,易发生跟踪结果不准确甚至目标丢失。因此,本文提出了基于Kalman滤波的KCF跟踪算法。首先,使用HOG特征和HSV颜色特征描述要跟踪的运动目标。其次,在跟踪过程中,引入了自适应尺度估计的方法。最后,本文提出的改进的跟踪算法将KCF框架与Kalman滤波器进行融合,获取视频第一帧目标信息后先用Kalman算法预测运动目标的位置,根据预测的目标位置对KCF算法的分类器进行训练,再使用KCF算法得到的检测结果更新Kalman滤波器,确定视频序列下一帧中目标的位置。在实验室采集的AGV数据集上对改进的算法进行了多次测试,在目标发生光照变化、快速运动、尺寸变化等复杂情况下,本文算法有较强的鲁棒性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社