首页 > 论文 > 光学学报 > 39卷 > 04期(pp:0415002)

利用形变多样相似性的空间正则化相关滤波跟踪

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对KCF跟踪算法中存在的边界效应,提出利用形变多样相似性的空间正则化相关滤波跟踪。首先在KCF算法基础上引入空间正则化权重,依据训练样本空间位置信息设置正则化权重,弱化边界效应与背景干扰的影响;然后,引入离散傅里叶系数变换矩阵,将岭回归中的复数优化问题转换为实数优化问题,利用高斯-赛德尔迭代优化方法求解最优分类器参数,降低计算复杂度;另外,引入子网格检测,利用三角多项式插值法实现时域内的连续检测,通过牛顿迭代法获取目标最大响应位置,实现像素级别检测;同时,利用形变多样相似性匹配算法构建目标重检测模块,利用PCA降维技术和TreeCANN技术解决匹配算法中的最近邻搜索问题,降低算法计算复杂度;最后,通过自适应模板更新策略,解决遮挡情况下模板误更新问题。本文算法利用OTB-2015数据集中的100个视频序列与评价标准测试算法性能。实验结果表明,利用形变多样相似性的空间正则化相关滤波跟踪算法精确度得分为0.825,成功率得分为0.625,相比KCF算法分别提升18.5%和31.0%。本文提出的算法能更好的解决目标尺度变化、遮挡、快速运动、旋转和背景嘈杂情况下的跟踪问题,具有广泛的应用前景和实用价值。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/aos201939.0415002

作者单位:

    河北工业大学控制科学与工程学院
    河北工业大学人工智能与数据科学学院
    河北工业大学人工智能与数据科学学院
    河北工业大学人工智能与数据科学学院

引用该论文

毛宁,杨德东,李勇,韩亚君. 利用形变多样相似性的空间正则化相关滤波跟踪[J].光学学报,2019,39(04):0415002.