摘要: :针对传统核相关滤波器(KCF)跟踪算法在遮挡情况下通常会跟踪失败问题,提出一
种目标边缘增强的自适应核相关滤波器算法。首先通过核相关滤波器找出目标位置,对目标位置
区域进行边缘增强,使目标特征更突出,提高分类器性能,然后通过计算目标位置的响应强度自
适应的改变模板的学习率参数,使检测模板适应外界环境的变化。实验选取15 段公开视频序列
进行测试,与现有几种相关滤波器进行比较,相对于结果最好的KCF 算法的平均中心位置误差
减少了9.6 像素,平均成功率提高了7.55%,平均距离精度提高了21.62%。实验结果表明在目标
被遮挡、旋转及快速运动等复杂情况下,该算法有较强的适应性,具有重要的研究和应用价值。