基于改进DSST的行人遮挡跟踪算法

为解决判别尺度空间跟踪(DSST)算法在行人处于长期完全遮挡后又重新出现的情况下无法跟踪的问题,提出了一种改进的跟踪算法(DDSST).在DSST框架下,首先对行人目标跟踪,然后,引入高置信度指标计算策略作为跟踪准确可信度反馈机制,在跟踪丢失时利用可变部件模型(DPM)对跟踪目标重新定位.最后,通过评估在线目标跟踪基准(OTB)数据集和实际环境拍摄的视频序列对DDSST算法准确性进行验证,并与其他跟踪算法进行比较.实验分析表明,改进算法相较DSST的距离精度与成功率提高了4.1%和6%,相比其他算法性能更优,且在形变、遮挡、平面外旋转、运动模糊和尺度变换等条件下跟踪更稳定.

尺度和光照自适应的结构化多目标跟踪

针对复杂场景中光照变化、目标自身尺度变化等引起的目标丢失或误跟踪等问题,提出一种尺度和光照自适应的结构化多目标跟踪方法。利用多尺度Retinex算法对序列图像进行预处理;通过SPOT算法对多目标进行跟踪,以确定新一帧中各目标最优位置;采用判别型尺度空间跟踪算法训练尺度滤波器,以新一帧中各目标最优位置为中心,利用尺度滤波器的最大值确定新一帧中各目标的最优尺度;采用随机梯度下降法并结合双线性插值更新特征分类器的权重。实验结果表明,提出的多目标跟踪算法在应对场景光照和目标尺度变化等方面,具有良好的鲁棒性和准确性。