结合核相关滤波和Kalman预测的运动目标跟踪

摘要 核相关滤波（kernelized correlation filter，KCF）目标跟踪算法的跟踪过程容易受到快速运动和运动模糊、遮挡及相似物干扰等因素影响，导致跟踪效果不佳.针对以上问题，本文提出了一种结合KCF框架和Kalman预测器的运动目标跟踪算法.该算法首先将原始图像映射到CN（Color-Name）特征空间，使跟踪器能够处理多通道颜色特征的图像；其次在跟踪过程中，加入Kalman滤波器来预测图像目标位置，根据预测位置确定待检测区域进行检测，并利用检测结果更新Kalman滤波器，提高跟踪检测精度.在OTB-2013数据集上对改进的算法多次进行实验，并与其他6种较先进的跟踪算法进行对比，分析实验结果可知在目标发生快速运动、遮挡及相似物干扰等复杂情况下，本文方法均有较强的鲁棒性