基于自适应标签和稀疏学习相关滤波的红外目标跟踪算法研究

摘要：

针对背景杂乱、遮挡、热交叉以及目标形变等复杂跟踪场景下目标跟踪算法出现性能严重退化问题,提出一种基于自适应标签和稀疏学习相关滤波的实时红外单目标跟踪算法.首先,根据目标响应情况自适应地构造样本标签,通过自适应标签训练提升相关滤波器的分类能力,抑制干扰区域对跟踪模型的污染.其次,加入稀疏学习策略,通过目标响应L1范数抑制复杂跟踪场景下目标响应多峰分布,提高跟踪算法的鲁棒性;与基线算法相比,该算法精度和AUC分别提升了 19.3％和39.8％.在数据集GTOT、RGBT234和VOT-2016TIR上的实验结果表明,该算法对上述复杂跟踪场景具有良好的应对能力,运行速度超过35 fps,综合性能优于对比跟踪算法.

关键词：计算机视觉、红外目标跟踪、相关滤波、稀疏学习

所属期刊栏目：43

分类号：TP391;TH741(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省自然科学基础研究计划项目

在线出版日期：2023-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：199-208