基于深度特征核相关滤波器的尺度自适应目标跟踪方法

摘要

本发明公开了一种基于深度特征核相关滤波器的尺度自适应目标跟踪方法。该方法包括以下步骤：将图像输入到预训练完成的卷积神经网络，提取深度卷积特征；目标追踪，利用训练的模型，估计目标的位置和尺度；根据当前检测的目标位置和尺度，训练核相关滤波器；采用自适应的高置信度的模型更新方法，更新核相关滤波器。本发明提取了深度卷积特征，采用自适应尺度估计方法以及自适应的高置信度的模型更新策略，提高了目标在复杂场景和外观变化中的目标跟踪的鲁棒性，能够高效准确地处理目标尺度变化，另外，由于采用自适应的高置信度的模型更新策略，尽可能地减少了模型跟踪漂移。