上下文感知相关滤波的红外目标跟踪改进算法

发布时间：2021-10-27 01:49

　　针对在目标跟踪过程中由于红外目标遮挡、快速运动而导致的跟踪失败问题,提出了一种基于上下文感知的相关滤波跟踪算法,在引入目标背景信息的同时改进其算法的更新策略。在训练阶段引入上下文信息,使得相关滤波器具有更好的鉴别性,以应对跟踪过程中出现的快速运动、运动模糊以及遮挡等情况。在模型更新阶段引入一种高置信度模型更新策略,解决了在模型更新过程中由于目标严重遮挡造成的目标丢失或模型污染问题,提升了算法的性能。实验结果表明,与其他相关滤波类算法相比,所提出的算法在精确度和成功率方面分别提升了6.4%和5.1%,同时能以较快的速度运行,满足实时性的要求。 

【文章来源】：激光与红外. 2020,50(07)北大核心CSCD

【文章页数】：7 页

【部分图文】：

OCS-LBP特征计算原理示意图

目前大多数红外跟踪算法的研究方向主要集中于合并更强的目标特征以丰富对于跟踪目标的表达。然而,这种方法使得目标和背景的区分只能局限于一个小的区域内,忽视了在跟踪过程中背景信息的重要性。为了解决上述在目标跟踪过程中出现的问题,本文提出了一种基于上下文感知的相关滤波跟踪算法[7],在引入目标背景信息的同时改进其算法的更新策略,提升跟踪算法的整体性能。本文算法流程图如图1所示[8]。3.1 上下文模型建立

上下文信息即背景区域的选择对于跟踪的性能至关重要。本文选择在目标区域周围的上下左右方位采样背景信息,这将使得滤波器可以在下一帧中更好地区分背景信息或是遮挡物的信息。算法的采样方式如图3所示,图3(a)采用原始算法的采样方式,图3(b)采用上下文感知算法的采样方式。这些背景图像块可以看作是相对于目标图像的负样本,它们以各种干扰或是不同背景的形式组成了目标图像周围的上下文信息。因此,算法可以通过训练一个滤波器w∈Rn,使得它在目标图像区域具有较高的响应值,而在上下文采样区域的响应接近于零。为了防止过拟合现象的发生,引入参数λ2对上下文采样区域加以限制,由此可以得到相关滤波算法的新目标函数为:

【参考文献】：
期刊论文
[1]一种改进的核相关滤波目标跟踪方法研究[J]. 朱伟杰,唐晶磊,王栋,冀马超.  激光与红外. 2018(11)
[2]融合灰度与显著性特征的空中红外目标跟踪[J]. 郑武兴,王春平,付强,徐艳.  激光与红外. 2018(03)



本文编号：3460631