針對(duì)相關(guān)濾波器跟蹤算法在目標(biāo)快速運(yùn)動(dòng)、遮擋和表觀變化時(shí)易發(fā)生跟蹤漂移或者丟失的問(wèn)題,提出一種基于時(shí)間一致性和核互相關(guān)器的目標(biāo)跟蹤算法。該算法通過(guò)引入對(duì)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(cè)目標(biāo)的仿射變化。同時(shí),在學(xué)習(xí)過(guò)程中引入時(shí)間一致性約束,以解決因核相關(guān)器時(shí)間退化導(dǎo)致的跟蹤漂移問(wèn)題。最后,采用主灰度分量逆映射來(lái)提升跟蹤器應(yīng)對(duì)目標(biāo)部分遮擋的能力。在公開(kāi)的OTB100標(biāo)準(zhǔn)目標(biāo)跟蹤數(shù)據(jù)集中與提供的基準(zhǔn)算法和其他性能更加先進(jìn)的相關(guān)濾波算法進(jìn)行對(duì)比,該算法平均跟蹤速度為41f/s,相對(duì)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(shí)驗(yàn)結(jié)果表明,該算法在目標(biāo)快速運(yùn)動(dòng)、遮擋或表觀變化時(shí)仍能精確地跟蹤目標(biāo)。 

【文章來(lái)源】：半導(dǎo)體光電. 2020年05期 北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【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(duì)于精度最高的基準(zhǔn)算法SCM提高51.7%，相對(duì)于KCF和fDSST算法提高15.1%和15.6%，相對(duì)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(duì)于成功率最高的基準(zhǔn)算法SCM提高49.0%，相對(duì)于KCF和fDSST算法提高29.2%和33.3%，相對(duì)于SAMF和Staple提高6.1%和1.9%。如圖3所示，在目標(biāo)發(fā)生尺度變化時(shí)，本文提出的算法精度相對(duì)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(biāo)被遮擋時(shí)，本文提出的算法精度相對(duì)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(hào)：2957776