基于相关滤波器的视觉目标跟踪方法

被引：16

作者：

张雷 ^{[1
,2
]}

王延杰 ^{[1
]}

刘艳滢 ^{[1
]}

孙宏海 ^{[1
]}

何舒文 ^{[1
,2
]}

机构：

[1] 中国科学院长春光学精密机械与物理研究所

[2] 中国科学院大学

来源：

光电子·激光 | 2015年 / 26卷 / 07期

关键词：

视觉目标跟踪; 相关滤波器; 多尺度;

D O I：

10.16136/j.joel.2015.07.0154

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了解决视觉目标跟踪中的尺度预测的难题,本文在核相关滤波器的目标跟踪的框架下给出了一种尺度估计策略,并对传统的核相关跟踪方法中目标模型的在线更新方法进行了修改,提出了一种多尺度视觉目标跟踪算法。首先,通过对正则化最小二乘分类器(RLS)学习获得位置和尺度核相关滤波器(KCF);然后,寻找位置和尺度KCF输出响应的最大值,完成目标位置和尺度的检测;最后,在线更新目标模型。实验中,对12组具有挑战性的标准视频序列进行测试。实验结果表明,相对于现有的3种基于相关滤波器的跟踪方法中的最优者,本文方法的平均中心位置误差(CLE)减少了7.0pixels,平均成功率(SR)提高了18.3%,平均距离(DP)精度提高了5.6%;在目标发生尺度、光照、姿态变化、部分遮挡、旋转及快速运动等复杂情况下,本文方法均有较强的适应性,具有重要的理论和应用研究价值。

引用

页码：1349 / 1357

页数：9

共 7 条

[1] 增量深度学习目标跟踪 [J].

程帅 ;

孙俊喜 ;

曹永刚 ;

赵立荣 .

光学精密工程, 2015, 23 (04) :1161-1170

[2] 特征压缩在线距离度量学习跟踪 [J].

陈东成 ;

朱明 ;

贺柏根 ;

杨文波 .

光电子激光., 2014, 25 (08) :1592-1597

[3] 在线加权多示例学习实时目标跟踪 [J].

陈东成 ;

朱明 ;

高文 ;

孙宏海 ;

杨文波 .

光学精密工程 , 2014, (06) :1661-1667

[4] 适于机载环境对地目标跟踪的粒子滤波设计 [J].

宋策 ;

张葆 ;

尹传历 .

光学精密工程, 2014, (04) :1037-1047

[5] 基于粒子滤波的空-地目标跟踪算法 [J].

宋策 ;

张葆 ;

尹传历 ;

王超 .

光电子激光., 2013, 24 (10) :2017-2023

[6] 基于Laplacian正则化最小二乘的半监督SAR目标识别 [J].

张向荣 ;

阳春 ;

焦李成 .

软件学报, 2010, 21 (04) :586-596

[7]

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)

← 1 →