Print

改进的KCF算法在车辆跟踪中的应用

论文摘要

针对核相关滤波算法（KCF）在复杂道路场景下难以应对因车辆尺度变化,遮挡及旋转而不能继续跟踪的问题,提出了一种新的跟踪方法来更好地实现复杂道路场景下的车辆跟踪;该方法借鉴快速分类尺度空间跟踪器（fDDST）,采用一维尺度相关滤波器进行尺度估计;同时融合Kalman滤波器形成预测-跟踪-校准的跟踪机制;该机制结合遮挡处理能够保证系统在目标被严重遮挡时跟踪的准确性;在模型更新方面,在目标被遮挡时,自适应的调节学习率参数,及时纠正模型偏移、特征丢失等问题;实验结果表明,在复杂道路场景下车辆旋转、遮挡及尺度变化时,均能有效地跟踪目标车辆,且具有良好的鲁棒性。

论文目录

  • 0 引言
  • 1 KCF跟踪器
  •   1.1 样本生成
  •   1.2 分类器的训练
  •   1.3 快速检测
  • 2 多尺度改进
  •   2.1 特征金字塔
  •   2.2 尺度降维
  • 3 遮挡处理机制
  •   3.1 kalman滤波算法
  •   3.2 遮挡处理
  • 4 自适应模板更新
  • 5 实验参数及结果分析
  •   5.1 尺度自适应对比试验
  •   5.2 遮挡对比试验
  •   5.3 跟踪性能对比
  • 6 结束语

    • 文章来源

    类型: 期刊论文

    作者: 王林,胥中南

    关键词: 复杂背景,车辆跟踪,核相关滤波,滤波,尺度空间估计,遮挡

    来源: 计算机测量与控制 2019年07期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 汽车工业,无线电电子学,计算机软件及计算机应用

    单位: 西安理工大学自动化与信息工程学院

    基金: 陕西省科技计划重点项目(2017ZDCXL-GY-05-03)

    分类号: U463.6;TP391.41;TN713

    DOI: 10.16526/j.cnki.11-4762/tp.2019.07.042

    页码: 195-199

    总页数: 5

    文件大小: 1117K

    下载量: 284

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/e7d7ce3e6fa13f336018b532.html