基于多特征融合和尺度自适应的核相关滤波算法

为了提高在复杂背景下进行跟踪的精度，在KCF(Kernel Correlation Filter)算法的基础上提出了一种改进方案。首先，提取HOG(Histogram of Gradient)、CN(Color-Naming)和LBP(Local Binary Pattern)三种特征进行融合，获得充分的目标特征信息；其次，引入尺度滤波机制用于估计目标最佳尺度大小，得出最合适的跟踪框；最后，提出了一个峰值更新策略，确保模型更新不受错误信息干扰。实验表明，改进后的算法比KCF算法在精确度和成功率上分别提升了6.5%和4.8%,并且在处理尺度变化、变形、旋转等方面也有很好的鲁棒性。