融合深度特征的改进KCF行人追踪算法

作     者：陈向阳 周扬 杨文柱 CHEN Xiangyang;ZHOU Yang;YANG Wenzhu

作者机构：河北大学网络空间安全与计算机学院河北机器视觉工程研究中心河北保定071000 

基　　金：河北省自然科学基金资助项目(F2018201060) 

出 版 物：《河北大学学报（自然科学版）》 (Journal of Hebei University(Natural Science Edition))

年 卷 期：2023年第43卷第6期

页      码：665-672页

摘      要：KCF(kernel correlation filter)算法是目前追踪效果最好的算法之一,但KCF算法无尺度自适应能力且不能有效解决遮挡问题.针对KCF算法的缺陷,设计了1种改进的KCF模型,IKCFMDF(improved KCF mixed with deep feature).该模型先由KCF算法得到目标行人的预测框,然后与通过目标检测得到的所有行人检测框相比较,将交并比最大的检测框作为新的训练目标,从而实现KCF的尺度自适应;引入深度特征代替原KCF使用的HOG(histogram of oriented gradient)特征,以避免HOG特征对行人的姿势改变和颜色信息不敏感的缺陷;在追踪目标丢失时保留其深度特征,与之后视频中行人的深度特征进行对比,如果相似度大于设定阈值,则可判定目标重新出现,从而有效解决KCF的遮挡问题.与原始KCF相比,改进的模型在复杂情况下,对行人追踪的成功率提升了36%,相比主流的神经网络模型也有少量的提升.

主 题 词：行人追踪 改进的KCF模型 深度特征 目标检测 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1000-1565.2023.06.013

馆 藏 号：203125198...