动态自适应特征融合的MFOPA跟踪器

本文针对无人机航拍跟踪算法实时性差且易发生跟踪漂移的问题，提出了一种动态自适应特征融合的改进飞蛾扑火优化跟踪器. 首先，本文设计了一种基于趋光-聚集度飞蛾扑火优化算法的目标跟踪框架，采用高斯分布和趋光-聚集度改进飞蛾扑火算法的初始化和迭代方式，将改进后的飞蛾扑火算法作为搜索策略优化目标跟踪，提升了跟踪效率；同时，在趋光-聚集度飞蛾扑火优化算法跟踪框架的基础上，本文定义了一种自适应多特征融合的模板特征和选择了一种动态更新的模板策略，充分利用颜色名特征、融合方向梯度直方图特征及灰度特征各自的优势，消除复杂环境中无人机跟踪受到的干扰，并解决在遮挡等情况下学习到无效的背景信息而导致特征模板退化的问题. 实验结果表明，本文提出的算法在复杂环境场景下能够适应不同情况下环境的变化，平均跟踪精度达到87%，保持稳定跟踪，跟踪速度为31.6帧/s，满足实时性要求，大幅提升了跟踪器的精度和鲁棒性.