特征融合和多峰检测的无人机目标跟踪

摘要

无人机的目标跟踪在计算机视觉领域中是一个备受关注的研究热点.无人机跟踪目标在遭遇遮挡、尺度变化、光照变化等挑战会产生漂移,从而跟踪算法不能及时对模型进行更新.针对上述问题,提出特征融合和多峰检测的无人机目标跟踪算法,在特征融合的基础上采用多峰检测方法,结合置信度自动更新的响应策略方式,实现目标跟踪的精确定位.首先,提取目标的特征,并训练相应的滤波器模型,对特征进行加权融合,形成融合特征;其次,使用多峰检测方法对在目标中心附近图像块进行训练,采用简单有效的模型更新策略;最后,利用高置信度跟踪结果的反馈对模型进行更新,减少了模型漂移.在UAV123和VisDrone2019数据集上进行实验,本文所提的算法在跟踪目标遭受遮挡、光照以及尺度变化等影响下提高了跟踪的精确度和鲁棒性.