相关滤波目标跟踪进展综述
目的 目标跟踪是计算机视觉中的关键问题,在人机交互、行为识别等领域有着非常广泛的应用.最近,相关滤波理论由于其高效性和鲁棒性,被用于目标跟踪领域,取得了一系列新的进展,成为目标跟踪领域的研究热点,得到越来越多的关注.为使更多国内外研究者对相关滤波目标跟踪理论及其发展进行探索,本文对该领域研究现状进行综述.方法 首先介绍相关滤波跟踪的一般框架,在此基础上,给出相关滤波理论,并重点对经典相关滤波跟踪算法——核相关滤波(KCF)跟踪算法进行详细描述,然后讨论目标跟踪中常见问题的处理——特征的有效表示和尺度变化的适应,并进一步从3个方面分析当前研究现状,指出未来可能的发展趋势.结果 采用目标跟踪基准数据库(OTB-2013)中的50组视频序列进行实验,分析比较45种不同跟踪算法的性能,包括14种代表性相关滤波跟踪算法.在总体性能评估中给出排名前15位的跟踪算法,其中相关滤波跟踪算法占11个,充分体现此类算法的优越性.结论 相关滤波理论在目标跟踪领域的研究取得了显著的进展,具有广阔的应用前景,但受复杂场景及目标外观剧烈变化等因素影响,目标跟踪仍是一个极具挑战的问题.研究高效、鲁棒的相关滤波目标跟踪算法具有非常重要的意义.
相关滤波跟踪、特征表示、尺度自适应、分块模型
22
TP391(计算技术、计算机技术)
西北大学研究生自主创新基金项目YZZ15094
2017-09-15（万方平台首次上网日期，不代表论文的发表时间）
共17页
1017-1033
