融合TLD框架的DSST实时目标跟踪改进算法

摘要

针对目标快速运动导致的图像模糊,使DSS T算法难以区分目标与背景 信息,滤波器在训练阶段循环移位采集密集样本容易产生边界效应,导致跟踪漂移的问题,提出了一种融合T LD框架的DSST实时目标跟踪改进算法(TLD-DSST).改进DSST算法的位置滤波器,通过空间正则化的方法加入权重系数矩阵,降低非目标区域的响应,对快速运动目标进行粗定位;与此同时,引入朴素贝叶斯分类器改进T LD检测器,提高检测器对目标与背景 信息的区分能力,然后将DSS T目标响应的位置与T LD检测器得到的目标区域进行最优相似性匹配,得到精确定位的结果.通过T LD检测器正负样本在线更新机制,不断优化算法的鲁棒性.实验结果表明,T LD-DSS T算法对于快速运动等复杂情景下的目标跟踪,具有很高的精确度和成功率.