分离窗口快速尺度自适应目标跟踪算法

针对核相关滤波器(KCF)跟踪算法在面对尺度变化时产生的目标漂移问题,提出一种分离窗口快速尺度自适应目标跟踪算法——FSACF。首先,通过直接对原始帧图像进行特征提取得到基于显著性颜色特征的全局梯度组合特征图,以减小后续的尺度计算对性能的影响;其次,对全局特征图采用分离窗口法,自适应地选取尺度大小并计算对应的最大响应值;最后,采用定义的置信度函数自适应地更新迭代模板函数,提高模型的鲁棒性。通过带有不同干扰属性的视频集上进行实验,发现FSACF算法与KCF算法相比,在精度上提升7.4个百分点,成功率提高12.8个百分点;与未采用全局特征和分离窗口的算法对比,处理速度上提升1.5倍。实验结果表明,FSACF算法在尺度变化发生时能有效避免目标漂移的产生,同时具有一定的效率,并在精度与成功率上均优于对比算法。