融合YOLO检测与均值漂移的目标跟踪算法

来源：计算机工程与应用杂志2019年第10期北京时间：

作者：王忠民1，2，段 娜1，范 琳1

单位：1.西安邮电大学 计算机学院，西安 710121；2.西安邮电大学 陕西省网络数据分析与智能处理重点实验室，西安 710121

摘要：针对视频目标跟踪算法中物体快速移动以及均值漂移算法误差累积造成的目标漂移问题，提出了一种融合YOLO（You Only Look Once）与均值漂移的目标跟踪算法。采用图像增强机制对视频帧进行预处理，在保持图像信息的同时去除光照强度的干扰；为了降低YOLO算法的计算复杂度，使用二分类器区分目标和背景进行物体的快速检测。根据目标物体的位置信息，使用均值漂移处理后续图像序列，并对目标物体进行检测更新，避免物体快速移动造成目标漂移问题，从而进行有效的检测跟踪。实验结果表明，该算法与DLT（Deep Learning Tracker）算法相比，运算效率提高了12.56%，跟踪精度提高了10.2%，能够较好地适应物体快速移动，具有较强的鲁棒性和实时性。

关键词：快速移动,YOLO算法,均值漂移,图像增强,二分类器