融合Faster RCNN和KCF的行人目标跟踪算法

摘要

在计算机视觉领域,行人目标跟踪是一个研究热点,广泛应用于人机交互、智能交通、无人超市等各个领域.传统KCF算法在快速运动等某些特定的视频属性上跟踪效果较差,因此本文提出了一种融合Faster RCNN和KCF的行人目标跟踪算法.通过在固定视频帧间隔后引入Faster RCNN目标检测方法,使用检测到的目标位置的特征信息对原始KCF算法的滤波器进行训练和更新,从而使得跟踪效果更佳.本文算法在OTB100开源数据集上进行仿真实验,精确度达到85.8％,较原始KCF算法提高了20.3％;成功率达到85.9％,较原始KCF算法提高了29.2％,并且跟踪速率达到125.86fps,满足实际场景实时性跟踪的要求.