摘要：为提高目标跟踪算法在机场场面环境的跟踪准确性,提出了一种基于改进DSST的机场场面目标跟踪算法。提取输入图像特征,与平移滤波器和尺度滤波器分别进行相关计算,得到响应得分最大的区域则为目标的跟踪结果。为提高滤波器更新效率,设计了一种跟踪结果置信度评价机制,使滤波器学习速率随当前置信度自适应调整。在机场视频数据集上的测试结果表明,算法的精确度为0.769,成功率为77.5%,较DSST算法分别提升了13.09%和11.83%,且整体跟踪性能优于其他算法。

摘要：机场场面目标跟踪常面临目标遮挡、背景干扰、低分辨率等因素的影响,导致跟踪准确性降低甚至丢失跟踪目标。针对以上问题,研究了基于滤波器自适应更新的机场目标跟踪算法。选取跟踪目标的颜色特征和深度特征,通过插值算子进行多特征融合,再将融合特征与之对应的滤波器进行卷积求和计算各区域置信度,置信度高的区域即为跟踪目标位置。为提高跟踪准确性,利用峰值旁瓣比与平均响应峰值能量建立了跟踪结果校验机制,并设计了1种滤波器自适应更新策略,使滤波器能够自适应调整学习速率,仅在结果可靠时更新。在西南某机场采集的视频数据集上进行测试,结果表明:算法在目标特征不明显或发生变化时具有更好的性能,在目标遮挡和背景干扰等9种因素下的跟踪性能有较大提升,整体精确度和成功率分别达到0.834和0.828,较原ECO算法分别提升了11.35%和11.29%,且均优于文中提到的其他5种经典算法。