基于相關(guān)濾波器（Correlation filter,CF）的目標(biāo)跟蹤算法因其高效率而引起了人們?cè)絹?lái)越多的興趣,但這類(lèi)算法對(duì)部分遮擋和形變十分敏感,可能導(dǎo)致最終跟蹤失敗。針對(duì)這一問(wèn)題,該文將自適應(yīng)互補(bǔ)模型引入到基于多分塊的跟蹤框架中,聯(lián)合全局模型與局部分塊模型來(lái)應(yīng)對(duì)嚴(yán)重遮擋問(wèn)題,并設(shè)置單獨(dú)的快速尺度估計(jì)模塊獲得尺度信息。在跟蹤基準(zhǔn)數(shù)據(jù)集OTB2013上的實(shí)驗(yàn)表明,該文算法可以有效應(yīng)對(duì)跟蹤過(guò)程中的遮擋和形變問(wèn)題,在保證實(shí)時(shí)性的同時(shí)提高目標(biāo)跟蹤精度。 

【文章來(lái)源】：南京理工大學(xué)學(xué)報(bào). 2020,44(04)北大核心CSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

局部分塊模型示意圖

本文的跟蹤算法框架圖如圖2所示。為了有效應(yīng)對(duì)復(fù)雜環(huán)境下的目標(biāo)遮擋問(wèn)題,本文算法設(shè)置遮擋判斷機(jī)制,當(dāng)判斷當(dāng)前幀不存在遮擋時(shí),僅利用目標(biāo)的全局模型來(lái)獲得最終目標(biāo)位置;若判斷當(dāng)前幀存在遮擋,則聯(lián)合全局與局部分塊得到最終目標(biāo)位置。全局與局部的聯(lián)合權(quán)重來(lái)自于各自的置信度量,不僅包括各自的響應(yīng),還包括分塊的相對(duì)運(yùn)動(dòng)信息。本文算法借助分塊策略完善互補(bǔ)融合模型,可以有效應(yīng)對(duì)遮擋形變等復(fù)雜情況。2 實(shí)驗(yàn)結(jié)果與討論

本文采用OTB數(shù)據(jù)集中的OPE指標(biāo)進(jìn)行評(píng)估,即利用視頻序列中的第一幀作為實(shí)驗(yàn)的第一幀。不同屬性干擾下的對(duì)比實(shí)驗(yàn)結(jié)果分別如圖3和圖4所示,為了清晰顯示對(duì)比實(shí)驗(yàn)結(jié)果,圖中僅顯示前10名的算法結(jié)果。圖3為精確度圖,圖4為覆蓋成功率圖。從圖3、4可以看出,在精確度的對(duì)比上,本文算法在OCC、DEF、OPR、IPR和BC這5個(gè)主要屬性上都取得了第一名的表現(xiàn),其余屬性也都位列前三。在成功率的對(duì)比上,本文算法在OCC、DEF、IV、平面內(nèi)\外旋轉(zhuǎn)等7個(gè)屬性上表現(xiàn)出了最具競(jìng)爭(zhēng)力的性能。圖4 成功率對(duì)比實(shí)驗(yàn)結(jié)果圖

【參考文獻(xiàn)】：
期刊論文
[1]基于結(jié)構(gòu)化判別稀疏表示的目標(biāo)跟蹤[J]. 茅正沖,黃舒?zhèn)?  南京理工大學(xué)學(xué)報(bào). 2018(03)



本文編號(hào)：3406133