一种复杂背景下红外目标稳定跟踪算法

发布时间：2021-04-16 01:25

　　针对红外单目标在长期跟踪过程中的强背景干扰、遮挡、形变以及目标特征信息减弱等实际问题,提出了一种基于跟踪-学习-检测（Tracking-Learning-Detection,TLD）框架的红外目标稳定跟踪方法。该方法在压缩跟踪算法（Compressive Tracking,CT）的基础上替换广义的类Harr特征为HOG特征,引入互补随机测量矩阵,优化纹理和灰度特征信息的权重,同时引入卡尔曼滤波器记录空间上下文位置信息,以解决CT算法和TLD算法在目标被遮挡时的跟踪失效和全局检索问题。基于TLD算法框架和改进CT算法相结合的红外图像跟踪算法有效地解决了遮挡和强干扰问题,提升了算法的跟踪准确性和长期跟踪稳定性。实验结果表明,本文提出的算法在红外地面环境中能较好地实时稳定跟踪并保持良好的准确性和鲁棒性。 

【文章来源】：红外技术. 2020,42(05)北大核心CSCD

【文章页数】：6 页

【部分图文】：

压缩特征v的生成示意图

TLD算法[5]作为一种单目标长期跟踪算法，其结构如图2所示，主要由检测、跟踪和学习3个模块构成。其中，检测模块和跟踪模块并行运行，跟踪模块应用光流法对目标位置进行估计，检测模块基于全图使用分类器检测目标。学习模块基于跟踪器和检测器的结果，对跟踪模块的显著特征点进行更新，同时更新检测器的模型。图2右侧的综合模块则结合检测模块和跟踪模块结果融合输出。2 本文算法

基于TLD算法再检测机制实现的长期稳定跟踪特性的框架。将改进的压缩跟踪算法整合到TLD框架中，提出改进的CT(Improved Compressd Tracking,ICT）跟踪算法，如图3所示。ICT算法替代TLD算法的跟踪模块，能有效克服光流法红外跟踪带来的漂移。同时TLD算法的在线学习机制，能够提升红外目标跟踪的稳定性，也能弥补ICT算法的目标出视野的问题，有效地改善了算法的鲁棒性和准确性。2.3 遮挡目标预测

【参考文献】：
期刊论文
[1]基于改进互信息的红外目标匹配跟踪算法[J]. 杨悦,刘兴淼,郭启旺,薛福来,刘钧.  红外技术. 2013(06)



本文编号：3140471