自适应多策略融合快速KCF跟踪算法
Computer Applications and Software（2023）
摘要
针对KCF算法无法应对跟踪目标尺度变化的问题,提出自适应尺度更新策略,使算法自适应调节窗口尺寸;融合FHOG特征与采用PCA降维后的CN特征,提高KCF算法在复杂背景下的跟踪精度,同时保证改进算法的实时性;通过自适应目标响应策略,使更新的模型更适合目标形变,并利用子网格插值方法代替线性插值方法,减少离散傅里叶变换次数,综合地提高KCF算法的跟踪性能.在OTB2015数据集上进行实验,实验结果表明该方法平均跟踪速度为43.5帧/秒,跟踪精度和成功率比KCF分别提升了11百分点和19.9百分点.该算法在复杂多变的环境中具有良好的识别能力,能够实现快速精准的鲁棒跟踪.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要