论文部分内容阅读
针对复杂场景下运动目标跟踪的鲁棒性不足问题,提出一种基于CNN特征提取的粒子滤波目标跟踪算法。采用CNN自主学习机制,提取图像中目标的高层语义特征。引入混沌序列变尺度萤火虫算法,提高目标识别的准确率。构建mean shift与权值优化结合的粒子滤波跟踪算法,对粒子进行权值优化,改善粒子集的多样性,使视频跟踪更加精准。仿真实验结果表明:该算法能有效适应遮挡、光照、剧烈运动等场景,对光照变化、尺度变化、遮挡等都具有良好的适应性和较高的实时性。同7种其它方法的比较结果显示,该方法在同样的实验条件下,跟踪成