針對相關(guān)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(guān)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(guān)向量,能夠更精確地預(yù)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(guān)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(yīng)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(guān)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(yīng)模型更新

基于灰度主分量逆映射的自適應(yīng)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(guān)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