基于核相关滤波器的颜色自适应目标跟踪算法

发布时间：2021-10-19 01:52

　　针对Staple算法中梯度直方图（HOG）特征和颜色直方图特征的融合无法自适应达到最优化的问题,本文提出了一种颜色自适应的核相关滤波目标跟踪改进算法,即Stronger-Staple算法（简称STR-Staple）。首先,本文用目标似然函数分别求出目标和背景所占比例的颜色直方图,并用巴氏系数实时测量目标与背景的颜色直方图的相似度,实现每一帧图像的跟踪监测;其次,提出一种自适应的融合系数,将相似度与融合系数相关联,对每一帧的特征匹配相应的权重,实现算法的最优融合。最后,本文算法在OTB-13和OTB-15两个数据集上与当前比较流行的5种跟踪算法进行比较。实验结果表明,该算法在光照变化、尺度变化、遮挡、变形、背景杂波等情况下均有较高的鲁棒性,且其跟踪精度、成功率在OTB-13数据集中分别为0.889、0.880。在OTB-15数据集中分别为0.741、0.644。均优于其他几种算法。 

【文章来源】：信号处理. 2020,36(07)北大核心CSCD

【文章页数】：11 页

【部分图文】：

原Staple算法跟踪效果图

图1 原Staple算法跟踪效果图从两张对比图中可以看出,当颜色对目标跟踪影响过大时,DSST算法的跟踪效果较好;当运动目标产生模糊对目标跟踪影响过大时,DAT算法跟踪效果较好。而Staple算法对两种情况均十分稳定,相当于两算法的结合。

0≤H≤1且0≤D≤∞Bhattacharyya Coefficient,中文是巴氏系数,可用来测量样本之间的相关性。巴氏系数可以积分或叠代出两个样本之间的重叠部分的面积,它是首先将样本划定指定的数量,然后分别进行积分或者叠代。叠代样本的公式如下:

【参考文献】：
期刊论文
[1]位置-尺度异空间协调的多特征选择相关滤波目标跟踪算法[J]. 胡正平,尹艳华,顾健新.  信号处理. 2019(12)
[2]基于巴氏距离的监控视频人体目标相似性度量[J]. 孙鹏,冯鹏定,于彤,单大国,王素.  中国刑警学院学报. 2019(04)
[3]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)
[4]基于直方图巴氏距离的舌色分类[J]. 覃海松.  科技创新与应用. 2014(21)

博士论文
[1]基于判别相关性滤波器的运动目标跟踪方法研究[D]. 黄文慧.山东大学 2019

硕士论文
[1]基于核相关滤波器的长期目标跟踪算法研究[D]. 邵晴薇.南京理工大学 2018



本文编号：3443925