針對傳統(tǒng)相關(guān)濾波跟蹤器在目標(biāo)尺度變化和部分遮擋時(shí)效果不佳等問題,基于KCF提出了一種全局塊與局部塊協(xié)作的分塊跟蹤算法。該算法首先根據(jù)目標(biāo)的外觀特征,對跟蹤目標(biāo)進(jìn)行水平或垂直分塊,并分別訓(xùn)練兩個(gè)局部濾波器和一個(gè)全局濾波器;然后在跟蹤過程中使用局部濾波器對局部塊進(jìn)行跟蹤,并根據(jù)局部塊的跟蹤結(jié)果對全局塊的中心點(diǎn)位置進(jìn)行初始預(yù)測。最后通過全局濾波器確定目標(biāo)的最終位置,并將相關(guān)更新和尺度參數(shù)反饋給局部濾波器,以更新全局濾波器和局部濾波器。此外,不同于KCF使用單一的HOG特征,該算法合并了CN特征,改善了HOG特征對目標(biāo)形變和運(yùn)動(dòng)模糊的表達(dá)能力。另外,為解決目標(biāo)部分遮擋導(dǎo)致的模型漂移問題,提出了一種基于有效局部塊來指導(dǎo)模型更新的方法,并給出了有效局部塊的評價(jià)標(biāo)準(zhǔn)。同時(shí),該算法通過分析前后兩幀局部塊之間的距離變化對目標(biāo)的尺度進(jìn)行估計(jì),解決了因目標(biāo)尺度變化帶來的跟蹤失敗問題。實(shí)驗(yàn)在包含100個(gè)視頻序列的公共數(shù)據(jù)集OTB-100上進(jìn)行,在評價(jià)指標(biāo)上,以AUC得分為主,DP和OP為輔,對算法的性能進(jìn)行評估。實(shí)驗(yàn)結(jié)果表明:所提出的算法能有效應(yīng)對尺度變化和部分遮擋的問題,AUC得分在KCF的基礎(chǔ)上提升了10...

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1CGLCF的模型

針對上述問題,本文在KCF的基礎(chǔ)上提出了全局塊與局部塊協(xié)作的相關(guān)濾波器(CooperationbetweenGlobalandLocalCorrelationFilter,CGLCF),算法模型如圖1所示。該模型依賴于全局濾波器和兩個(gè)局部濾波器之間的協(xié)作交互作用,局部....

圖2分塊策略示例圖

對于全局塊,采用KCF中的全局外觀模型。對于局部塊,本文使用了一種簡單有效的自適應(yīng)分塊策略[27]:若目標(biāo)的長大于寬,則將目標(biāo)沿垂直方向二等分(如圖2(a)所示);否則,將目標(biāo)沿水平方向二等分(如圖2(b)所示)。對跟蹤目標(biāo)進(jìn)行自適應(yīng)分塊后,對初始幀中的全局塊和局部塊分別訓(xùn)練一個(gè)....

圖36個(gè)跟蹤器的DP和OP得分對比

在OTB-100上,6個(gè)跟蹤器的DP和OP得分對比結(jié)果如圖3所示。表1列出了6種算法重疊成功率圖中AUC的得分,包含了整體性能與11個(gè)屬性子集的性能,其中加粗的字體為最優(yōu)性能,下劃線字體為次優(yōu)。從圖3和表1中可以看出,雖然本文算法在DP和OP上不是最佳,均排在第二,但是AUC的整....

圖46個(gè)算法的跟蹤實(shí)例圖

在數(shù)據(jù)集OTB-100中,有63個(gè)視頻序列的目標(biāo)存在不同程度的尺度變化。圖4(b)、圖4(d)-圖4(f)給出了6種算法在Walking2,Singer1,Car4,Dog1這4個(gè)存在明顯尺度變化的視頻序列上的實(shí)驗(yàn)結(jié)果。從圖中可以看出,KCF等一系列跟蹤器由于沒有使用尺度估計(jì)的....

本文編號：3899259