红外小目标所占像素较少,且缺乏颜色、纹理、形状等特征,因此难以有效地跟踪它们。针对这一问题,提出了一种基于状态信息的红外小目标跟踪方法。首先,将待跟踪小目标局部区域的目标、背景和干扰物进行编码以得到连续帧之间密集的局部状...红外小目标所占像素较少,且缺乏颜色、纹理、形状等特征,因此难以有效地跟踪它们。针对这一问题,提出了一种基于状态信息的红外小目标跟踪方法。首先,将待跟踪小目标局部区域的目标、背景和干扰物进行编码以得到连续帧之间密集的局部状态信息;其次,将当前帧和上一帧的特征信息输入分类器,得到分类得分;然后,融合状态信息和分类得分,从而得到最终置信度并确定待跟踪小目标的中心位置;最后,更新状态信息并在连续帧之间传播,在此之后利用传播的状态信息完成对整个序列中红外小目标的跟踪。在DIRST(Dataset for Infrared detection and tRacking of dim-Small aircrafT)数据集上评估所提方法。实验结果显示,所提方法针对红外小目标的跟踪召回率达到了96.2%,精确率达到了97.3%,相较于目前最优秀的通过跟踪方法KeepTrack召回率和精确率分别提高了3.7%和3.7%。这表明所提方法在复杂的背景与干扰下能有效完成针对红外小目标的跟踪。展开更多
文摘红外小目标所占像素较少,且缺乏颜色、纹理、形状等特征,因此难以有效地跟踪它们。针对这一问题,提出了一种基于状态信息的红外小目标跟踪方法。首先,将待跟踪小目标局部区域的目标、背景和干扰物进行编码以得到连续帧之间密集的局部状态信息;其次,将当前帧和上一帧的特征信息输入分类器,得到分类得分;然后,融合状态信息和分类得分,从而得到最终置信度并确定待跟踪小目标的中心位置;最后,更新状态信息并在连续帧之间传播,在此之后利用传播的状态信息完成对整个序列中红外小目标的跟踪。在DIRST(Dataset for Infrared detection and tRacking of dim-Small aircrafT)数据集上评估所提方法。实验结果显示,所提方法针对红外小目标的跟踪召回率达到了96.2%,精确率达到了97.3%,相较于目前最优秀的通过跟踪方法KeepTrack召回率和精确率分别提高了3.7%和3.7%。这表明所提方法在复杂的背景与干扰下能有效完成针对红外小目标的跟踪。