基于对目标理解和感知的检测跟踪算法

传统的核相关滤波器（KCF）目标跟踪算法利用目标的纹理特征进行相关运算定位，没有检测目标类别，因此在目标纹理被噪声干扰，例如目标运动模糊、快速抖动、目标遮挡等情况时的跟踪精度和成功率较低。针对这些问题，提出一种语义分割和多特征融合相结合的目标检测跟踪算法。该算法将目标跟踪分为检测和跟踪两个部分：在检测阶段使用全卷积网络（FCN）语义分割对场景进行语义分析，对场景中的目标进行分类；在定位阶段使用KCF算法进行跟踪定位，为了提高跟踪精度，将目标的方向梯度直方图（HOG）特征和颜色（CN）特征融合为新的特征。在标准数据集OTB-100视频序列上的实验结果表明，相较于KCF算法，所提算法的跟踪精度和成功率分别提高了14.3个百分点和13.2个百分点，有效提高了跟踪性能。