自适应信息选择的变尺度相关滤波红外目标跟踪算法

针对红外目标跟踪中红外图像模糊、存在噪声、目标特征少的问题,提出了自适应信息选择的变尺度相关滤波红外目标跟踪算法。首先,在提取的灰度特征中重新提取了梯度信息,用于增强特征感受野大小,丰富目标特征信息;其次,稀疏滤波器系数,减少滤波器信息冗余,并将其结合至滤波器训练过程中,不同通道下的空间信息保留程度不同,有效提高滤波器表达能力;最后,在原有保留尺度更新的基础上,加入变尺度滤波器,构建边界框比例不同的尺度池,有效应对边界框比例变化的情况。在LSOTB-TIR数据集和PTB-TIR数据集上做了对比和消融实验以验证算法的有效性,结果表明该算法在LSOTB-TIR数据集上精确度和成功率分别达到71.3%和59.4%,在使用手工特征的算法中获得了更好的表现。