论文部分内容阅读
为处理目标的消失重现、形变及环境变化等问题,要求跟踪算法有一定的检测与学习能力.针对全局检测方法因冗余检测而造成检测效率低下的问题,在基于P-N学习的跟踪框架的基础上,提出一种自适应生成检测范围的目标跟踪算法.通过引入卡尔曼滤波器(Kalman filter)对目标位置、尺度以及两者的变化速度进行预估,在检测前根据预估信息自适应生成检测范围,提高检测效率.在公开的Co GD数据集上进行实验,结果证明该算法较原始算法在准确度基本不变的基础上,速度得到显著改善.