自适应特征融合的多尺度相关滤波目标跟踪算法

被引：21

作者：

陈智 ^{[1
]}

柳培忠 ^{[1
]}

骆炎民 ^{[2
]}

汪鸿翔 ^{[1
]}

杜永兆 ^{[1
]}

机构：

[1] 华侨大学工学院

[2] 华侨大学计算机科学与技术学院

来源：

计算机辅助设计与图形学学报 | 2018年 / 11期

关键词：

目标跟踪; 特征融合; 上下文感知; 线性加权融合; 模型更新;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对单一特征目标跟踪算法不能较好地适应复杂场景的变化,容易受跟踪目标的尺度变化、形变、遮挡以及背景混杂等影响导致跟踪失败的问题,提出一种自适应特征融合的相关滤波目标跟踪算法.首先根据目标的HOG和CN特征,采用上下文感知相关滤波框架得到2种特征下滤波响应值,并且进行归一化处理;然后按照响应值占比分配权重并线性加权融合,将得到融合后响应值用于确定目标位置;再引入尺度相关滤波器,用于估计目标尺度变化,增强尺度应变能力;最后通过设定的预定义阈值来判断位置和尺度滤波模型的更新,提高模型的更新质量.采用OTB Benchmark数据集进行实验,分别与基于相关滤波和基于上下文感知框架等11种目标跟踪算法进行对比,结果表明,该算法在精确度和成功率上均取得较为理想效果,其中精确度为82.5%,成功率为54.2%;而且在尺度变化、形变、快速运动、遮挡等复杂场景挑战下具有较好的鲁棒性.

引用

页码：2063 / 2073

页数：11

共 8 条

[1] 自适应特征融合的核相关滤波跟踪算法 [J].

熊昌镇 ;

赵璐璐 ;

郭芬红 .

计算机辅助设计与图形学学报, 2017, (06) :1068-1074

[2] 基于外观模型学习的视频目标跟踪方法综述 [J].

张焕龙 ;

胡士强 ;

杨国胜 .

计算机研究与发展, 2015, 52 (01) :177-190

[3] Coloring Action Recognition in Still Images [J].

Khan, Fahad Shahbaz ;

Anwer, Rao Muhammad ;

van de Weijer, Joost ;

Bagdanov, Andrew D. ;

Lopez, Antonio M. ;

Felsberg, Michael .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2013, 105 (03) :205-221

[4] Modulating Shape Features by Color Attention for Object Recognition [J].

Shahbaz Khan, Fahad ;

van de Weijer, Joost ;

Vanrell, Maria .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2012, 98 (01) :49-64

[5] Object Detection with Discriminatively Trained Part-Based Models [J].

Felzenszwalb, Pedro F. ;

Girshick, Ross B. ;

McAllester, David ;

Ramanan, Deva .

IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2010, 32 (09) :1627-1645

[6]

Incremental Learning for Robust Visual Tracking[J] . David A. Ross,Jongwoo Lim,Ruei-Sung Lin,Ming-Hsuan Yang.International Journal of Computer Vision . 2008 (1)

[7] Robust online appearance models for visual tracking [J].

Jepson, AD ;

Fleet, DJ ;

El-Maraghi, TF .

IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2003, 25 (10) :1296-1311

[8]

Color attributes for object detection. Shahbaz Khan F,Anwer R M,van de Weijer J,et al. Computer Vision and Pattern Recognition （CVPR） . 2012

← 1 →