一种结合均值漂移的KCF目标跟踪算法

目标跟踪在机器视觉领域中发挥着巨大的作用,但是目标跟踪算法会受到目标尺度变化等因素的影响,导致算法的跟踪精度下降。针对KCF滤波算法对目标尺度变化不敏感,无法较好实现目标尺度估计的缺点,提出一种结合均值漂移的KCF目标跟踪算法。通过对KCF滤波算法的响应峰值进行判断,引入均值偏移算法对目标位置和尺度进行修正。实验结果表明,本算法在增强了算法目标尺度自适应能力的同时,能有效地融合均值漂移算法和KCF滤波算法的优点,在多种场景下的目标跟踪精度都得到了有效提升。