基于时间区域稀疏相关滤波的分层特征融合追踪算法

目的:利用卷积网络的不同层提取分层特征,结合区域稀疏性解决特征所引起的边界效应,提高基于相关滤波的追踪算法的成功率和精确度。方法:在分层卷积特征追踪算法的基础上,利用稀疏性和峰值旁瓣比,提出新的基于时间区域稀疏滤波的分层特征融合追踪算法。首先,该算法提出时间区域稀疏相关滤波算法,利用深度卷积网络提取的不同层次特征学习不同的相关滤波;其次,利用所学的相关滤波确定下一帧图像的目标响应图;最后,利用峰值旁瓣比确定不同响应图的权值,得到融合的响应图,从而确定目标的位置。结果:经过采用精度图和成功率图作为评价标准,在标准数据集上与9种跟踪算法进行对比实验。实验结果表明,本文所提的追踪算法在OTB100上的成功率为0.685、精度为0.834,比现有的一些流行算法具有更好的追踪性能。结论:本算法利用区域稀疏性忽略干扰特征,利用时间正则项学习前后帧相关滤波的关系,并用新的响应图融合方法提高追踪算法的性能。