全局与局部分块联合的目标跟踪算法

发布时间：2021-09-23 17:39

　　基于相关滤波器（Correlation filter,CF）的目标跟踪算法因其高效率而引起了人们越来越多的兴趣,但这类算法对部分遮挡和形变十分敏感,可能导致最终跟踪失败。针对这一问题,该文将自适应互补模型引入到基于多分块的跟踪框架中,联合全局模型与局部分块模型来应对严重遮挡问题,并设置单独的快速尺度估计模块获得尺度信息。在跟踪基准数据集OTB2013上的实验表明,该文算法可以有效应对跟踪过程中的遮挡和形变问题,在保证实时性的同时提高目标跟踪精度。 

【文章来源】：南京理工大学学报. 2020,44(04)北大核心CSCD

【文章页数】：9 页

【部分图文】：

局部分块模型示意图

本文的跟踪算法框架图如图2所示。为了有效应对复杂环境下的目标遮挡问题,本文算法设置遮挡判断机制,当判断当前帧不存在遮挡时,仅利用目标的全局模型来获得最终目标位置;若判断当前帧存在遮挡,则联合全局与局部分块得到最终目标位置。全局与局部的联合权重来自于各自的置信度量,不仅包括各自的响应,还包括分块的相对运动信息。本文算法借助分块策略完善互补融合模型,可以有效应对遮挡形变等复杂情况。2 实验结果与讨论

本文采用OTB数据集中的OPE指标进行评估,即利用视频序列中的第一帧作为实验的第一帧。不同属性干扰下的对比实验结果分别如图3和图4所示,为了清晰显示对比实验结果,图中仅显示前10名的算法结果。图3为精确度图,图4为覆盖成功率图。从图3、4可以看出,在精确度的对比上,本文算法在OCC、DEF、OPR、IPR和BC这5个主要属性上都取得了第一名的表现,其余属性也都位列前三。在成功率的对比上,本文算法在OCC、DEF、IV、平面内\外旋转等7个属性上表现出了最具竞争力的性能。图4 成功率对比实验结果图

【参考文献】：
期刊论文
[1]基于结构化判别稀疏表示的目标跟踪[J]. 茅正冲,黄舒伟.  南京理工大学学报. 2018(03)



本文编号：3406133