采用多相关滤波策略的鲁棒长时自适应目标跟踪

摘要：

传统相关滤波方法在目标运动模糊和光照变化上取得了一定的鲁棒效果,但当目标存在形变、颜色变化、重度遮挡等干扰因素时难以实现跟踪,鲁棒性差,且当目标丢失后不能再恢复,无法实现长时间跟踪.因此,文中提出了一种鲁棒长时自适应目标跟踪算法.首先,提出了一种特征互补策略,将方向梯度直方图和全局颜色直方图的特征响应线性加权,学习对颜色变化和形变都具有鲁棒性的相关滤波模型,用以估计目标位移;然后,仅提取目标前景 HOG特征,学习一个判别滤波器,用以保持对目标外观的长期记忆,使用该长期滤波器的输出响应来判别是否出现遮挡或跟踪失败,采用在线 SVM分类器对丢失目标进行再检测,从而能够跟踪已丢失目标,以实现长期跟踪;其次,学习了以目标位置为中心的特征金字塔模型以预测尺度变化,防止目标框漂移;最后,在 OTB目标跟踪基准数据集上对算法进行实验,并与目前较为流行的目标跟踪算法进行对比,进一步验证了所提算法的鲁棒性、准确性和优越性.

关键词：长时目标跟踪、颜色直方图、相关滤波、SVM再检测器、尺度自适应

所属期刊栏目：47

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61433016

在线出版日期：2020-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：169-176