針對ECO（Efficient Convolution Operators）方法在背景變化及自身非剛性變換條件下容易跟蹤失敗的問題,提出一種改進(jìn)的ECO跟蹤方法 .首先通過高效卷積操作對輸入圖像進(jìn)行特征提取和多特征融合;然后對融合后的特征矩陣進(jìn)行相關(guān)性運(yùn)算,獲取跟蹤目標(biāo);最后在濾波器更新部分嵌入一種置信度量的校驗(yàn)機(jī)制,評估當(dāng)前幀的跟蹤效果,根據(jù)校驗(yàn)結(jié)果來判斷是否對濾波器的樣本模型予以更新.在數(shù)據(jù)集OTB-50上的對比實(shí)驗(yàn)結(jié)果表明,相比于基線方法,該方法的精確度提升3. 4%,成功率提升3. 8%,有效降低了各種干擾對濾波器的影響. 

【文章來源】：南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2020,56(02)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

基于相關(guān)濾波器的跟蹤方法原理示意圖

濾波器更新階段的置信度量對于跟蹤效果的優(yōu)劣具有至關(guān)重要的作用.傳統(tǒng)的跟蹤方法將相關(guān)響應(yīng)的數(shù)值與設(shè)定閾值進(jìn)行比較，將相關(guān)響應(yīng)高于設(shè)定閾值的目標(biāo)區(qū)域作為正確的跟蹤結(jié)果，而在實(shí)際應(yīng)用中這種評估方法存在較大誤差.當(dāng)出現(xiàn)與目標(biāo)有較高相似度的干擾區(qū)域時，可能導(dǎo)致目標(biāo)丟失，但是其相關(guān)響應(yīng)的數(shù)值依舊較高，如圖4所示.當(dāng)目標(biāo)形態(tài)出現(xiàn)變化時，可能導(dǎo)致相關(guān)響應(yīng)數(shù)值較低，但是跟蹤結(jié)果是正確的，這會影響對跟蹤效果的判斷.圖3 本文方法框架示意圖

圖2 誤差的持續(xù)累積導(dǎo)致目標(biāo)丟失示例圖多數(shù)情況下，相關(guān)響應(yīng)圖上僅有一個最大峰值，因此可通過分析相關(guān)響應(yīng)圖來檢驗(yàn)跟蹤結(jié)果的可靠性.本文引入一個新的置信度量RD(Response Distribution），并將其嵌入濾波器更新模塊，分析相關(guān)響應(yīng)的峰值分布，對跟蹤結(jié)果的可靠性進(jìn)行評估.其求解過程為：從當(dāng)前幀圖像中選取n個相關(guān)響應(yīng)，并按照從大到小的順序排列，用sf(i)表示排在第i位的響應(yīng)值，p(sf(i))為該響應(yīng)值出現(xiàn)的概率.求得n個響應(yīng)值的期望μ：

【參考文獻(xiàn)】：
期刊論文
[1]基于ECO-HC的鉆桿計(jì)數(shù)方法[J]. 方杰,李振璧,夏亮.  煤炭技術(shù). 2021(11)
[2]多特征融合的長時間目標(biāo)跟蹤算法[J]. 孫金萍,丁恩杰,鮑蓉,厲丹,李子龍.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2021(02)

博士論文
[1]復(fù)雜場景下視頻目標(biāo)跟蹤算法研究[D]. 孫金萍.中國礦業(yè)大學(xué) 2021



本文編號：3619641