基于光流法与分块思想的目标跟踪算法

发布时间：2025-03-19 22:51

　　 为提高目标在被遮挡、快速移动以及平面内旋转情况时的跟踪精度,提出基于光流法与分块思想的目标跟踪算法。基于光流法引入跟踪失败判别机制,将预测框中每个像素的光流值与整幅图片的平均光流值进行比较,依据超出阈值像素点数目的百分比对跟踪结果进行判别;若目标跟踪被判定为失败时,提出基于分块训练思想的模板更新机制改善后续跟踪过程,即把当前视频帧分割为多个子块,并单独训练每个子块获得对应的子滤波器模板,对各个子滤波器加权获得最终的滤波器模板。实验结果表明,该算法能够有效改善在目标被遮挡、目标快速移动以及目标平面内旋转问题下的跟踪效果。

【文章页数】：6 页

【部分图文】：

图1 失败判别机制流程

该机制具体流程如图1所示。首先计算当前帧图像的平均光流量作为阈值；接着计算当前帧的目标预测框中每个像素的光流值；将目标预测框中的像素光流值与阈值进行比较，当一定比例的像素光流值超过阈值时，预测帧被认为是正确的，否则认为目标预测框是不准确的并且判定当前帧目标跟踪是失败的。

图2 分块训练流程

这里分块训练是在发现目标跟踪失败时引入的新的模板更新策略。简而言之，将当前视频帧分解为m个块，然后分别为m个子块训练对应的子滤波器模板，然后根据权重αi加权得到最终的滤波器模板，用于后续视频帧的跟踪，其中权重是通过计算各个子块的中心偏移量来获得的，具体流程如图2所示。2.1计算....

图3 跟踪结果比较

为了验证上述跟踪结果比较中，本文算法对于目标遮挡、目标快速移动以及平面内旋转3个问题的跟踪鲁棒性，在OTB100的视频数据集进行算法性能测试，并与KCF算法、DSST算法以及CSK算法进行了比较，本文也展示了部分视频序列的跟踪精确度数据，这里的数据都是在标准误差阈值为20像素的条....

图4 性能比较结果

为了进一步验证本文算法对目标遮挡、目标快速移动以及目标平面内旋转的问题性能，分别针对具有目标遮挡、目标快速移动或者目标平面内旋转问题的视频集进行性能测试，仍然与KCF算法、DSST算法以及CSK算法进行比较，比较结果如图4(a）～图4(c）所示，视频集均来自OTB100数据集。由....

本文编号：4036976