一种多尺度估计和自适应响应融合目标跟踪算法

针对相关滤波跟踪框架中深度特征跟踪优势和计算存储冗余的局限性，提出了一种多尺度估计与自适应响应融合的目标跟踪算法。该算法通过调整高斯标签参数，充分发挥了人工特征的准确性和深度特征的鲁棒性，并学习了连续域卷积算子来融合多分辨率特征。为了减少计算和样本的冗余，通过分解卷积运算对特征进行监督降维以减少模型参数，采用基于高斯混合模型的动态样本融合，采用模糊稀疏模型更新机制提高模型的有效性，并根据预测质量评价标准进行自适应响应融合。实验结果表明，该算法在遮挡、变形和快速运动等多种情况下都具有良好的跟踪效果。