基于相似性特征估计的目标跟踪算法研究

基于深度学习的目标跟踪算法将卷积深层输出结果作为特征,虽然准确度高但耗时长;基于融合特征的目标跟踪算法按照响应值融合目标特征,虽然跟踪速度快,但降低了准确度。为了兼顾目标跟踪算法的时效性和准确度,提出基于相似性特征估计的目标跟踪算法。首先利用重要性重采样滤波粒子构建目标观测模型,其中包括选择粒子状态、转移系统状态、构建观测模型、粒子权值更新以及重采样过程。在此基础上,提取目标的统计纹理特征、运动尺寸特征以及运动速度与方向特征,并融合目标特征构建目标特征框架。结合相似性特征估计完成目标定位,包括描述目标模型、表示候选模型、度量目标具体相似度以及目标定位过程。在完成目标定位后,基于实时压缩实现目标