采用高效卷积算子的长期目标追踪算法

针对目标跟踪中存在的对严重遮挡和出视野的目标跟踪失败的问题,提出了一种基于高效卷积算子的长期目标追踪算法.该算法首先利用滤波器的检测得分计算当前目标是否受到遮挡,停止对遮挡目标尺度模型的更新;然后利用遮挡情况和外观模型置信度判断目标的可靠性,对不可靠目标的模型不计入外观模型更新序列中.当目标长期遮挡或者丢失时,利用融合空间权重、目标检测得分和最佳伙伴相似性得分来重定位目标.与原始的高效卷积算子算法进行对比实验的结果表明,改进的算法能有效地解决目标遮挡和出视野情况下的目标跟踪失败的问题,具有较高的跟踪精度和鲁棒性.

融合多层深度特征的核相关滤波跟踪算法

针对核相关滤波算法(KCF)难以处理目标尺度变化、旋转、遮挡等问题,本文在KCF的框架下提出了一种融合多层深度特征的抗遮挡目标跟踪算法。首先,在频域中,利用岭回归分类器训练VGG-2048上的conv3和conv6两层深度特征,分别得出置信度,将两者特征加权相连,替代原KCF的方形梯度直方图(HOG)特征,同时引入第1帧目标的残留信息,获得更为出色的位置响应输出。然后,针对遮挡问题,提出一种响应峰值判断抗遮挡机制。最后,通过双线性插值建立深度特征尺度池,解决目标尺度问题。在测试集(OTB-100)上的实验结果表明,改进后的算法能解决复杂环境下的目标跟踪问题,算法具有鲁棒性。

自适应多滤波器的高效卷积算子目标跟踪算法

针对单一滤波器难以适应复杂变化的目标跟踪环境的问题,本文在高效卷积算子目标跟踪算法的基础上,提出了自适应多滤波器的目标跟踪算法。该算法使用时空正则化滤波器、一致性检验滤波器和高效卷积算子算法中的相关滤波器分别与目标特征进行卷积,得到三个滤波检测得分。其中,时空正则化滤波器是通过将时间正则化引入相关滤波损失函数而得到;一致性检验滤波器是通过反向定位前几帧目标,比较反向与正向定位坐标的误差,只有误差小于阈值时才更新滤波器;选择峰值旁瓣比最大滤波检测得分,估计目标的位置。使用OTB-2015数据集和UAV123数据集对改进算法进行测试,实验结果表明,本文算法能够更好地适应跟踪过程中的复杂变化的环境,具有较高的精度和鲁棒性。

一种基于多特征融合的核相关滤波目标跟踪算法

针对核相关滤波算法(KCF)难以处理目标遮挡、旋转、快速移动等问题,本文在KCF的基础上提出了一种基于多特征融合的核相关滤波目标跟踪算法。首先,对密集采样后的样本建立多个特征模型,通过岭回归分类器对不同特征模型进行训练得到相应的滤波模板,然后,在频域中求其最大响应,分配各个特征模型权重系数。最后引入一个遮挡判断机制,实现抗遮挡处理,以获得更为精确的目标位置。实验结果表明:改进后的算法能较好的满足视频跟踪的实时性要求,具有良好的鲁棒性和精确性。