学习时空一致性相关滤波的视觉跟踪

发布时间：2021-09-09 17:01

　　判别相关滤波跟踪算法通过对中心目标块（唯一准确正样本）循环移位获取训练集,依赖潜在样本周期延拓假设,使得模型训练和检测可以通过快速傅里叶变换高效完成,然而整个学习过程没有对真正的背景信息进行建模.背景感知相关滤波（BACF）跟踪算法利用一个二进制掩码矩阵通过密集采样的方法获取真正的正、负样本对目标外观进行建模,然而BACF算法在学习相关滤波器时并没有考虑滤波器的时间一致性和空间一致性信息,当目标出现外观突变时,学习到的相关滤波器将会偏向背景而发生漂移.为了解决学习到的相关滤波器适应连续帧之间的外观突变问题,本文在基准BACF算法框架下引入时间一致性约束项和空间一致性约束项,提出了学习时空一致性相关滤波（TSCF）跟踪算法.时间一致性约束项在时间序列意义上起到平滑多通道相关滤波的作用;空间一致性约束项在空间分布意义上平滑多通道相关滤波,使得学习到的相关滤波能量分布更加均匀.本文的TSCF模型有闭式解,采用共轭梯度下降法迭代逼近模型的最优解,且优化过程利用循环矩阵性质转化到傅里叶域快速求解,有效降低计算大型矩阵的代价.本文的TSCF算法跟踪结果在TB100公开数据库上显示,距离精度较基准B... 

【文章来源】：中国科学:信息科学. 2020,50(01)北大核心CSCD

【文章页数】：23 页

【参考文献】：
期刊论文
[1]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋.  模式识别与人工智能. 2018(01)



本文编号：3392460