基于空间可靠性约束的鲁棒视觉跟踪算法

针对复杂背景下目标容易发生漂移的问题,该文提出一种基于空间可靠性约束的目标跟踪算法。首先通过预训练卷积神经网络(CNN)模型提取目标的多层深度特征,并在各层上分别训练相关滤波器,然后对得到的响应图进行加权融合。接着通过高层特征图提取目标的可靠性区域信息,得到一个二值注意力矩阵,最后将得到的二值矩阵用于约束融合后响应图的搜索范围,范围内的最大响应值即为目标的中心位置。为了处理长时遮挡问题,该文提出一种基于首帧模板信息的随机选择更新策略。实验结果表明,该算法在应对相似背景干扰、遮挡、超出视野等多种场景均有良好的性能表现。