針對相關濾波器跟蹤算法在目標快速運動、遮擋和表觀變化時易發(fā)生跟蹤漂移或者丟失的問題,提出一種基于時間一致性和核互相關器的目標跟蹤算法。該算法通過引入對圖像噪聲和雜波更具魯棒性的核互相關向量,能夠更精確地預測目標的仿射變化。同時,在學習過程中引入時間一致性約束,以解決因核相關器時間退化導致的跟蹤漂移問題。最后,采用主灰度分量逆映射來提升跟蹤器應對目標部分遮擋的能力。在公開的OTB100標準目標跟蹤數(shù)據(jù)集中與提供的基準算法和其他性能更加先進的相關濾波算法進行對比,該算法平均跟蹤速度為41f/s,相對fDSST和SAMF算法,其跟蹤精度分別提升15.6%和6.4%,跟蹤成功率分別提升33.3%和6.1%。實驗結(jié)果表明,該算法在目標快速運動、遮擋或表觀變化時仍能精確地跟蹤目標。 

【文章來源】：半導體光電. 2020年05期 北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

基于灰度主分量逆映射的自適應模型更新

基于灰度主分量逆映射的自適應模型更新

如圖2所示，本文提出的算法跟蹤精度相對于精度最高的基準算法SCM提高51.7%，相對于KCF和fDSST算法提高15.1%和15.6%，相對于同樣有多尺度處理的相關濾波算法SAMF提高6.4%，比使用多尺度處理及額外色彩特征的Staple算法提高2.3%；跟蹤成功率相對于成功率最高的基準算法SCM提高49.0%，相對于KCF和fDSST算法提高29.2%和33.3%，相對于SAMF和Staple提高6.1%和1.9%。如圖3所示，在目標發(fā)生尺度變化時，本文提出的算法精度相對于有多尺度處理的fDSST和Staple算法分別提升17.1%和5.9%，成功率分別提升51.5%和6.6%；在目標被遮擋時，本文提出的算法精度相對于fDSST和Staple算法分別提升22.0%和2.1%，成功率分別提升45.5%和3.8%。


本文編號：2957776