基于融合特征的多尺度快速相关滤波跟踪算法

针对复杂跟踪条件下目标的稳健跟踪和精确尺度估计问题，提出了一种基于多层卷积特征融合的目标尺度自适应稳健跟踪算法。算法首先利用VGG-Net-19深层卷积网络架构提取目标候选区域的多层卷积特征，通过相关滤波算法构建二维定位滤波器，得到多层卷积特征并进行加权融合，从而确定目标的中心位置；然后通过对目标区域进行多尺度采样，提取其梯度方向直方图特征构建一维尺度相关滤波器，确定目标的最佳尺度。实验结果表明，与6种当前主流跟踪算法相比，该算法取得了最好的跟踪成功率与精度，同时在跟踪过程中较好地实现了对目标快

针对多目标跟踪算法中经常会面临的各种挑战, 如相机的突然运动、遮挡、误检和外观相似等情况, 提出一种基于核相关滤波(KCF)的分步关联框架。首先, 该算法采用基于卷积神经网络的目标检测器检测目标, 获得准确的检测结果。然后, 为了更好地预测目标的运动状态, 通过加权融合三种特征的跟踪结果, 为每个目标建立一个基于KCF算法的快速跟踪器。此外, 为了有效地降低碎片化轨迹的数量, 该算法通过跟踪片的置信度分步关联轨迹, 并在遮挡的情况下, 利用在线随机蕨重新检测目标。最后利用关联成功的检测信息自适应