自适应空间异常的目标跟踪

为了解决判别式空间正则项的目标跟踪算法在遮挡、旋转等因素干扰下失跟率较高的问题,该文提出一种自适应空间异常的目标跟踪算法。首先,在目标函数中加入自适应空间正则项,既缓解了边界效应带来的影响,又提高了滤波器对目标和背景区域的分辨能力;其次,根据每一帧的响应值计算验证分数,分析跟踪结果的可信度和异常情况;最后为目标模型和响应图模型的更新速率实现动态取值。大量实验结果表明,自适应空间异常的目标跟踪算法能够较好地处理背景模糊、形状变化等多种异常情况,具有较高的跟踪性能。

空间异常适应性的目标跟踪

针对基于空间正则化的相关滤波算法无法精准控制背景区域权重,同时存在由遮挡、形变等因素导致的异常情况会降低跟踪结果可信度的问题,文中提出空间异常适应性的目标跟踪算法.首先,构造自适应空间正则项,使用显著性检测对其权重进行初始化,实现空间适应性.然后,利用交替方向乘子法,降低算法复杂度.最后,设置置信分数,计算检测结果的可信度并分析异常情况,实现异常适应性.在4个公开数据集上的实验表明,文中算法在形变、遮挡、光照变化等多种复杂场景下跟踪效果较优,可基本满足实时性需求.

畸变感知相关滤波目标跟踪算法

针对现有相关滤波跟踪算法在目标畸变情况下应对能力不足和滤波器模型更新存在误差累积易导致跟踪失败的问题,提出畸变感知相关滤波目标跟踪算法。首先,利用粒子采样构建强化目标信息的空间参考权值,适应相邻帧间目标外观变化,使滤波器专注于学习目标可信赖部分,抑制背景干扰信息;其次,采用交替方向乘子法以较少的迭代次数求解目标最优函数值,优化算法,降低计算复杂度;最后,为进一步增强滤波器的判别能力,设计目标畸变感知策略,通过分析平均峰值相关能量和响应图峰值时序约束来衡量目标受干扰因素影响后的畸变程度,判别当前跟踪结果是否可靠。当目标跟踪定位可靠性较低时,采用粒子滤波对目标进行选择性的重检测。并依据当前跟踪目标畸变程度,自适应地更新滤波器模型。在OTB50、OTB100和DTB70数据集上与多种代表性目标跟踪算法进行对比实验,实验结果表明,该算法的跟踪成功率和精确率较优,在面对实际场景中因多个干扰因素而产生畸变的目标时具有较强鲁棒性。