结合背景空间信息的相关滤波目标跟踪算法研究

发布时间：2024-04-24 19:35

　　目标检测跟踪算法在智能监控和人机交互中有着广泛的应用,而复杂场景下的跟踪技术研究在计算机视觉领域中具有重要的理论意义和商业价值。为解决复杂场景(光照变化、尺度变化、遮挡等)中由于主客观因素变化所导致的目标漂移问题,采集目标区域相邻的背景图像块来获得更多的背景特征,并将背景图像块添加到目标函数中来实现对目标图像块的限制。将结合了背景空间信息的方法集成到相关滤波器框架上,在现有公开数据集上进行实验。实验结果表明,在一些复杂场景下的跟踪效果得到了改善和提高,能够在不影响帧率的情况下,有效提高目标跟踪的成功率和准确性,优于其他相关滤波跟踪器。

【文章页数】：5 页

【部分图文】：

图4SRE的成功率结果图(AUC)

图4SRE的成功率结果图(AUC)图5TRE的精度图

图1算法整体框架

算法整体框架如图1所示。在相关滤波器的基础上,对目标邻近的背景图像块采集信息并以图像矩阵的形式添加到滤波器中。为保证背景信息对目标块检测的支持,避免干扰,在式(2)中,添加参数来控制背景信息的程度,使得滤波器的速率基本不受到太大的影响并提高了特定场景(遮挡、光照变化、快速运动等)....

图2采样策略

采样策略的复杂性和负样本采样数量对跟踪性能有较大的影响,所以采样策略是决定算法性能的关键。如图2所示,背景采样信息来自目标图像块相邻的4个负样本区域[Α1,Α2,Α3,Α4],这些背景区域图像块与背景图像块有小范围的区域是重叠的。负样本的作用是保证在检测过程中目标块识别率更高,不....

图3运行结果

图3中,接近跟踪目标区域的两个框分别为BS-SAMF、BS-STAPLE算法结果,远离跟踪目标区域,甚至跟踪失败的框分别是SCM、TLD算法结果。可以看出,在刚开始的跟踪过程中,各个方法基本上都可以实现目标的跟踪,但随着目标的运动和背景的变化,一些方法受到光照变化、目标旋转等复杂....

本文编号：3963419