判別相關(guān)濾波跟蹤算法通過對(duì)中心目標(biāo)塊（唯一準(zhǔn)確正樣本）循環(huán)移位獲取訓(xùn)練集,依賴潛在樣本周期延拓假設(shè),使得模型訓(xùn)練和檢測(cè)可以通過快速傅里葉變換高效完成,然而整個(gè)學(xué)習(xí)過程沒有對(duì)真正的背景信息進(jìn)行建模.背景感知相關(guān)濾波（BACF）跟蹤算法利用一個(gè)二進(jìn)制掩碼矩陣通過密集采樣的方法獲取真正的正、負(fù)樣本對(duì)目標(biāo)外觀進(jìn)行建模,然而BACF算法在學(xué)習(xí)相關(guān)濾波器時(shí)并沒有考慮濾波器的時(shí)間一致性和空間一致性信息,當(dāng)目標(biāo)出現(xiàn)外觀突變時(shí),學(xué)習(xí)到的相關(guān)濾波器將會(huì)偏向背景而發(fā)生漂移.為了解決學(xué)習(xí)到的相關(guān)濾波器適應(yīng)連續(xù)幀之間的外觀突變問題,本文在基準(zhǔn)BACF算法框架下引入時(shí)間一致性約束項(xiàng)和空間一致性約束項(xiàng),提出了學(xué)習(xí)時(shí)空一致性相關(guān)濾波（TSCF）跟蹤算法.時(shí)間一致性約束項(xiàng)在時(shí)間序列意義上起到平滑多通道相關(guān)濾波的作用;空間一致性約束項(xiàng)在空間分布意義上平滑多通道相關(guān)濾波,使得學(xué)習(xí)到的相關(guān)濾波能量分布更加均勻.本文的TSCF模型有閉式解,采用共軛梯度下降法迭代逼近模型的最優(yōu)解,且優(yōu)化過程利用循環(huán)矩陣性質(zhì)轉(zhuǎn)化到傅里葉域快速求解,有效降低計(jì)算大型矩陣的代價(jià).本文的TSCF算法跟蹤結(jié)果在TB100公開數(shù)據(jù)庫上顯示,距離精度較基準(zhǔn)B... 

【文章來源】：中國科學(xué):信息科學(xué). 2020,50(01)北大核心CSCD

【文章頁數(shù)】：23 頁

【參考文獻(xiàn)】：
期刊論文
[1]目標(biāo)跟蹤算法綜述[J]. 盧湖川,李佩霞,王棟.  模式識(shí)別與人工智能. 2018(01)



本文編號(hào)：3392460