核相關(guān)濾波KCF（kernel correlation filter）算法存在的尺度不能自適應(yīng)及目標(biāo)丟失后不能重新自動框選的問題,提出一種基于KCF框架的改進算法;該算法基于KCF框架,引入雙重尺度估計策略,實現(xiàn)目標(biāo)尺度自適應(yīng)的同時又提高跟蹤速度;同時還引入峰值旁瓣比PSR（peak to side lobe ratio）來進行遮擋判斷,引入加速穩(wěn)健特征SURF（speeded up robust features）特征來對目標(biāo)進行自動重新匹配并框選。實驗結(jié)果表明,提出的改進算法相比于原算法能夠?qū)崿F(xiàn)目標(biāo)跟蹤尺度自適應(yīng),并且在目標(biāo)丟失后自動重新匹配框選目標(biāo)并繼續(xù)跟蹤,實現(xiàn)對目標(biāo)的長時間穩(wěn)定跟蹤,使其在鉛魚跟蹤上有較好的效果。 

【文章來源】：電子測量技術(shù). 2020,43(08)

【文章頁數(shù)】：8 頁

【部分圖文】：

鉛魚實拍圖

通過對鉛魚進行跟蹤能夠有效的對鉛魚的運行過程進行監(jiān)測,實時掌握鉛魚的位置信息,避免鉛魚丟失等安全事故的發(fā)生,降低測流時的安全風(fēng)險,加強測流效率,減少水文工作人員的勞動強度,因此對測流時的鉛魚進行跟蹤是必要的。而影響鉛魚跟蹤的因素很多,諸如尺寸變化、鉛魚入水被遮擋、鉛魚發(fā)生旋轉(zhuǎn)、光照變化等。對于鉛魚的運行過程,可以建立如下模型來對鉛魚的運行過程進行描述:設(shè)鉛魚的位置為L,把鉛魚的運行過程看做一個在三維空間中的運動,L=f(x,y,z),x軸為鉛魚左右運行的距離,y為鉛魚水平方向前后運行的距離,z為鉛魚在垂直方向上下運行距離。

KCF算法引入循環(huán)矩陣?yán)碚搧硖岣吒櫨?通過循環(huán)移位對視頻目標(biāo)區(qū)域進行稠密采樣后產(chǎn)生大量的樣本,得到循環(huán)矩陣X。以圖像的形式展示出來,在二維圖像上的循環(huán)位移如下:KCF跟蹤器以目標(biāo)為中心,把通過稠密采樣獲取的方向梯度直方圖HOG特征輸入到嶺回歸分類器[8]來訓(xùn)練分類器。訓(xùn)練公式如下:

【參考文獻】：
期刊論文
[1]適用于復(fù)雜場景的多目標(biāo)跟蹤算法[J]. 孫宇嘉,于紀(jì)言,王曉鳴.  儀器儀表學(xué)報. 2019(03)
[2]特征融合的核相關(guān)濾波跟蹤算法[J]. 吳昭童,左顥睿,徐智勇,張建林.  國外電子測量技術(shù). 2019(02)
[3]基于動態(tài)自適應(yīng)相關(guān)濾波的復(fù)雜場景目標(biāo)跟蹤算法[J]. 江南.  電子測量與儀器學(xué)報. 2019(02)
[4]旋翼飛行機器人的行人視覺跟蹤方法及系統(tǒng)[J]. 王耀南,羅瓊?cè)A,毛建旭,陳彥杰,周顯恩.  電子測量與儀器學(xué)報. 2018(11)
[5]一種抗遮擋的自適應(yīng)尺度目標(biāo)跟蹤算法[J]. 瞿中,趙從梅.  計算機科學(xué). 2018(04)
[6]復(fù)雜背景下MeanShift結(jié)合Kalman濾波的車輛跟蹤算法[J]. 蘇靈松.  電子測量技術(shù). 2018(06)
[7]特征融合和模型自適應(yīng)更新相結(jié)合的相關(guān)濾波目標(biāo)跟蹤[J]. 王暐,王春平,李軍,張偉.  光學(xué)精密工程. 2016(08)



本文編號：3442154