强化前景感知的相关滤波目标跟踪

为了缓解相关滤波跟踪算法在形变、快速运动、运动模糊及相似物干扰等因素影响下跟踪精度较低的问题,提出了强化前景感知的相关滤波目标跟踪。在相关滤波算法的基础上引入了改进的颜色直方图干扰感知模型。首先,在传统背景对象模型基础上增强前景直方图与背景直方图的颜色差异分量,得到更加突出前景的颜色直方图干扰感知模型。利用相关滤波算法和颜色直方图干扰感知模型分别提取相应特征并计算各自响应。其次,通过利用颜色直方图干扰感知模型计算目标区域像素点属于目标的概率均值,控制相关滤波响应和颜色直方图响应的融合权重。然后,利用融合后的干扰感知响应图最大值位置定位目标。最后,设置跟踪异常判别条件,当异常情况出现,不进行模型更新。当跟踪置信度较高时,则通过帧差法和前后帧间欧氏距离判断目标变化幅度并设置相应的相关滤波模板更新学习率,实现跟踪模板的自适应更新。在OTB100数据集上与主流算法进行实验对比,结果表明该算法在形变、快速运动、运动模糊及相似物干扰等复杂挑战下相比其他算法具有更优的跟踪效果及鲁棒性。

基于颜色表示的尺度自适应实时目标跟踪

传统基于颜色表示的在线目标跟踪方法,倾向于跟踪与目标外观相似的区域,会因为尺度变化而导致漂移。针对该问题,结合干扰感知模型与背景对象模型,提出一种基于颜色表示的目标跟踪方法。通过干扰感知模型抑制干扰区域,利用背景对象模型将目标对象从周围背景中区分出来,并结合自适应尺度估计方法进行目标跟踪。实验结果表明,与STC和RVT跟踪方法相比,该方法在精度和鲁棒性方面表现更好。