基于相关滤波的目标重检测跟踪

摘要：

近年来,相关滤波方法由于具备运算速度快,鲁棒性强的优势,在目标跟踪领域发展迅速.然而,面对复杂场景时,现有模型难以满足实际需求.针对背景感知相关滤波方法(BACF)在目标发生自身旋转、尺度变换、运动出视野等挑战下,相关滤波器最大响应值减弱,造成跟踪精度下降的问题,提出了一种基于相关滤波的目标重检测跟踪方法.在原有背景感知相关滤波方法的基础上,引入滤波器响应检测机制,当判定到相关滤波跟踪结果不可信时,利用粒子滤波采样策略生成大量粒子,感知目标状态,重新确定目标中心位置.在此基础上,利用自适应尺度估计机制重新计算目标尺度信息,从而实现对目标的重新跟踪.为了验证改进算法的有效性,实验选取了OTB2013、OTB2015、VOT2016共3个公开数据集进行测试,同时与相关滤波及深度学习方法进行对比,从视频属性、跟踪精确度、算法鲁棒性等角度展示所有算法的性能.实验结果表明:基于相关滤波的目标重检测跟踪方法在3个公开数据集中取得较好的实验结果,并在目标发生旋转,尺度变换及运动超出视野的情况下,有效提高了BACF的准确率和成功率.

关键词：目标跟踪、相关滤波、粒子滤波

所属期刊栏目：50

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2021-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：216-227