Verbessertes Algorithmus zur Objektverfolgung unter Occlusion mithilfe des Unscented Rauch-Tung-Striebel-Glätters und des Kernel-Korrelationsfilters

Um die bestehenden Probleme zu lösen, dass der Algorithmus zur Objektverfolgung unter dem Einfluss von Occlusion nicht funktioniert, wurde der Kernel-Korrelationsfilter-Algorithmus verbessert. Zunächst wurde die Occlusion-Bedingung in den Kernel-Korrelationsfilter-Algorithmus integriert. Wenn keine Occlusion vorliegt, wurde der Kernel-Korrelationsfilter-Algorithmus zur Objektverfolgung verwendet. Wenn Occlusion vorliegt, wurde der verbesserte Algorithmus basierend auf dem Unscented Rauch–Tung–Striebel-Glätter verwendet. Zweitens wurde die vorhergesagte Position des Objekts an den Kernel-Korrelationsfilter-Algorithmus zurückgemeldet. Schließlich wurde die Kombination von adaptiven Multimodellen realisiert, indem das Farbhistogramm mit dem Kernel-Korrelationsfilter-Algorithmus kombiniert wurde, und die spärliche Repräsentationsmethode wurde in den Trainingsprozess eingeführt, um die Stabilität des vorgeschlagenen Algorithmus zur Objektverfolgung zu erhöhen. Die experimentellen Ergebnisse, die mit der vorgeschlagenen Methode auf dem OTB-2013-Datensatz erzielt wurden, zeigen, dass der vorgeschlagene Algorithmus zur Objektverfolgung die Occlusion-Interferenzen im Objektverfolgungsprozess reduzieren und die Genauigkeitsrate sowie die Erfolgsquote verbessern kann.