基于色度饱和度-角度梯度直方图特征的尺度自适应核相关滤波跟踪

针对核相关跟踪算法(KCF)对特征敏感及无法跟踪尺度的问题,本文从特征提取和尺度自适应两个方面对核相关滤波跟踪算法进行了研究。提出了一种基于色度饱和度-角度梯度直方图特征的自适应核相关跟踪算法来改善KCF算法的跟踪性能。首先,研究了HSI颜色空间的特点,基于颜色和梯度是互补的图像特征,提出了一种融合了梯度和颜色的HHS-OG特征来有效提高原始KCF算法对目标和背景的判别力。其次,针对KCF无法处理目标尺度变化的问题,在跟踪的检测阶段采用一组固定的尺度因子进行图像块采样,根据得到的滤波响应图估计目标的最优位置和尺度。将所提算法在大量视频序列上进行了跟踪实验,结果显示其平均跟踪速度为37.5frame/s,跟踪精度和成功率分别提升了5.4%和10.1%。实验表明HHS-OG特征具有良好的目标-背景判别能力,能够实现鲁棒跟踪,而尺度自适应策略能较大程度地提高跟踪精度。

基于碎片表征的尺度自适应运动目标跟踪

跟踪窗宽固定的目标跟踪算法,由于目标尺度变化造成窗口内背景信息量增加或目标信息量减少,可能导致跟踪失败。针对该问题,提出一种基于碎片表征的尺度自适应目标跟踪算法。利用结构化输出支持向量机模型确定目标的空间位置,将目标图像区域分割成多尺度矩形碎片,通过地表移动距离度量相似度,在尺度空间搜索与模板碎片最相似的目标碎片,确定目标特征尺度。实验结果表明,该算法不仅可适应目标尺度变化,而且在目标姿态变化、亮度改变和局部遮挡的情况下,具有准确稳定的跟踪性能。与LOT,OAB和CXT算法相比,平均跟踪误差较低,跟踪性能较好。