自适应特征融合与抗遮挡的相关滤波跟踪算法

刘海峰; 孙成; 梁星亮

doi:doi:10.3788/LOP57.141014

激光与光电子学进展, 2020, 57 (14): 141014, 网络出版: 2020-07-28

自适应特征融合与抗遮挡的相关滤波跟踪算法下载： 729次

Correlation-Filter Tracking Algorithm with Adaptive-Feature Fusion and Anti-Occlusion

刘海峰 ^1,2孙成 ^1,*梁星亮 ²

作者单位

¹ 陕西科技大学电子信息与人工智能学院, 陕西西安 710021

² 陕西科技大学文理学院, 陕西西安 710021

图 & 表

图 1. 不同遮挡情况下Girl2视频序列部分帧的跟踪置信度对比结果。(a)未被遮挡;(b)部分遮挡;(c)完全遮挡

Fig. 1. Comparison results of tracking confidence of partial frames of Girl2 video sequence under different occlusions. (a) Not occlusion; (b) slight occlusion; (c) severe occlusion

下载图片查看原文

图 2. 所提算法框架

Fig. 2. Framework of proposed algorithm

下载图片查看原文

图 3. 固定融合因子对于跟踪结果的影响。(a) Bird1的精度图;(b) Bird1的CLE图;(c) Bird2的精度图;(d) Bird2的CLE图;(e) Board的精度图;(f) Board的CLE图;(g) Coke的精度图;(h) Coke的CLE图

Fig. 3. Effect of fixed fusion factor on tracking. (a) Precision plot of Bird1; (b) CLE plot of Bird1; (c) precision plot of Bird2; (d) CLE plot of Bird2; (e) precision plot of Board; (f) CLE plot of Board; (g) precision plot of Coke; (h) CLE plot of Coke

下载图片查看原文

图 4. Twinnings序列采用不同融合权重系数的跟踪结果。(a) w_hist=0时,第195 frame的跟踪结果;(b) w_hist=0时,第250 frame的跟踪结果;(c) w_hist=0.1时,第195 frame的跟踪结果;(d) w_hist=0.1时,第250 frame的跟踪结果;(e) w_hist=0.3时,第195 frame的跟踪结果;(f) w_hist=0.3时,第250 frame的跟踪结果

Fig. 4. Tracking results of Twinnings sequence with different fusion weights coefficients. (a) Tracking results of 195 frame with w_hist=0; (b) tracking results of 250 frame with w_hist=0; (c) tracking results of 195 frame with w_hist=0.1; (d) tracking results of 250 frame with w_hist=0.1; (e) tracking results of 195 frame with w_hist=0.3; (f) tracking results of 250 frame with w_hist=0.3

下载图片查看原文

图 5. 实验3在OTB-2013数据集上的测试结果。(a) OPE精确度图;(b)成功率图

Fig. 5. Test results of experiment 3 on OTB-2013 dataset. (a) OPE precision plot; (b) success rate plot

下载图片查看原文

图 6. 实验3在OTB-100上数据集的测试结果。(a) OPE精确度图;(b)成功率图

Fig. 6. Test results of experiment 3 on OTB-100 dataset. (a) OPE precision plot; (b) success rate plot

下载图片查看原文

图 7. 所提算法与其他4种算法在不同视频序列上的跟踪结果对比。(a) Joggong-2;(b) Coke;(c) Matrix;(d) Football1;(e) Freeman4

Fig. 7. Comparison of tracking results of proposed algorithm with other 4 algorithms on different video sequences. (a) Joggong-2; (b) Coke; (c) Matrix; (d) Football1; (e) Freeman4

下载图片查看原文

表 1模型更新策略

Table1. Model update strategy

Algorithm 1: Update model
Require: R_t, M_t_{, MSE}, g_max of response g_t
Ensure: Update model
Occlusion condition:
Not occlusion: R_t>R_threshold1 && g_max>g_threshold11) Update learning rate η_t_{, temp}, model weights w_t_{, temp} and w_t_{, hist}2) Update models h_t from h_t_{, new} and h_t_-1 like formula (9)3) Update color histogram ρ_t from ρ_t_{, new} and ρ_t_-1 like formula (9)
Severe occlusion: R_t<R_threshold2 && g_max<g_threshold2Do not update models h_t=h_t_-1 and color histogram ρ_t=ρ_t_-1Slight occlusion: otherwiseSimilar to Not occlusion, but update rate η_t_{, temp} is smaller in this part

查看原文

表 2实验2中跟踪模型的设置及各模型在OTB上的OPE测试结果

Table2. Setting of tracking model in experiment 2 and OPE test results of each model on OTB

Algorithm	Channelreliability	Adaptivemerge	Updatescheme	OTB-2013		OTB-100
Algorithm	Channelreliability	Adaptivemerge	Updatescheme	Precision /%	Success /%	Precision /%	Success /%
Staple_CR	√			82.1	61.3	79.7	59.5
Staple_AM		√		81.3	61.4	79.2	58.9
Staple_Update			√	79.3	60.8	78.9	58.4
Staple				78.8	59.3	78.4	57.9

查看原文

表 37种算法在OTB-2013数据集中11个具有挑战性的属性上的表现

Table3. Performance of seven algorithms on 11 challenging attributes in OTB-2013 datasetunit: %

Attribute	SV	IV	OPR	OCC	BC	DEF	MB	FM	IPR	OV	LR
Ours	$\bar{56.3}$	$\bar{58.8}$	$\underset{=}{61.1}$	$\underset{=}{61.5}$	$\bar{58.5}$	$\underset{=}{65.4}$	$\bar{58.0}$	$\underset{=}{58.2}$	$\underset{=}{59.4}$	$\underset{=}{61.1}$	30.3
fDSST	$\underset{=}{57.1}$	$\underset{=}{59.7}$	$\bar{57.2}$	55.8	$\underset{=}{61.7}$	56.4	$\underset{=}{59.3}$	$\bar{55.6}$	$\bar{58.4}$	$\bar{55.5}$	$\bar{38.9}$
DSST	44.7	50.4	49.2	47.8	49.8	47.8	42.3	40.5	52.0	46.5	32.5
Staple	54.5	56.1	56.9	$\bar{58.5}$	55.7	$\bar{60.7}$	52.6	50.1	57.6	51.8	$\underset{=}{39.5}$
CSK	35.0	36.9	38.6	36.5	42.1	34.3	30.5	31.6	39.9	34.9	35.0
KCF	42.7	49.3	49.5	51.4	53.5	53.4	49.7	45.9	49.7	55.0	31.2
CN	38.4	41.4	44.1	42.5	44.9	43.4	41.0	37.3	46.9	41.0	31.1

查看原文

表 411种算法在OTB-2013和OTB-100测试集上的运行速度对比

Table4. Comparison of running speed of 11 algorithms on OTB-2013 and OTB-100 test datasets

Algorithm	Running speed /(frame·s^-1)
Algorithm	OTB-2013	OTB-100
Ours	37.8657	37.3656
ECO-HC	35.5110	34.6002
BACF	27.0998	27.4870
SRDCFdecon	2.4089	2.2993
CCOT	0.2279	0.2160
Staple	44.9039	42.8838
SRDCF	3.6016	3.5327
CF2	11.0193	10.4229
KCF	127.1455	113.4207
DSST	32.3246	25.2587
SAMF	18.5867	16.9518

查看原文

刘海峰, 孙成, 梁星亮. 自适应特征融合与抗遮挡的相关滤波跟踪算法[J]. 激光与光电子学进展, 2020, 57(14): 141014. Haifeng Liu, Cheng Sun, Xingliang Liang. Correlation-Filter Tracking Algorithm with Adaptive-Feature Fusion and Anti-Occlusion[J]. Laser & Optoelectronics Progress, 2020, 57(14): 141014.

自适应特征融合与抗遮挡的相关滤波跟踪算法下载： 729次

图 1. 不同遮挡情况下Girl2视频序列部分帧的跟踪置信度对比结果。(a)未被遮挡;(b)部分遮挡;(c)完全遮挡

Fig. 1. Comparison results of tracking confidence of partial frames of Girl2 video sequence under different occlusions. (a) Not occlusion; (b) slight occlusion; (c) severe occlusion

图 2. 所提算法框架

Fig. 2. Framework of proposed algorithm

图 3. 固定融合因子对于跟踪结果的影响。(a) Bird1的精度图;(b) Bird1的CLE图;(c) Bird2的精度图;(d) Bird2的CLE图;(e) Board的精度图;(f) Board的CLE图;(g) Coke的精度图;(h) Coke的CLE图

Fig. 3. Effect of fixed fusion factor on tracking. (a) Precision plot of Bird1; (b) CLE plot of Bird1; (c) precision plot of Bird2; (d) CLE plot of Bird2; (e) precision plot of Board; (f) CLE plot of Board; (g) precision plot of Coke; (h) CLE plot of Coke

图 5. 实验3在OTB-2013数据集上的测试结果。(a) OPE精确度图;(b)成功率图

Fig. 5. Test results of experiment 3 on OTB-2013 dataset. (a) OPE precision plot; (b) success rate plot

图 6. 实验3在OTB-100上数据集的测试结果。(a) OPE精确度图;(b)成功率图

Fig. 6. Test results of experiment 3 on OTB-100 dataset. (a) OPE precision plot; (b) success rate plot

图 7. 所提算法与其他4种算法在不同视频序列上的跟踪结果对比。(a) Joggong-2;(b) Coke;(c) Matrix;(d) Football1;(e) Freeman4

Fig. 7. Comparison of tracking results of proposed algorithm with other 4 algorithms on different video sequences. (a) Joggong-2; (b) Coke; (c) Matrix; (d) Football1; (e) Freeman4

表 1模型更新策略

Table1. Model update strategy

表 2实验2中跟踪模型的设置及各模型在OTB上的OPE测试结果

Table2. Setting of tracking model in experiment 2 and OPE test results of each model on OTB

表 37种算法在OTB-2013数据集中11个具有挑战性的属性上的表现

Table3. Performance of seven algorithms on 11 challenging attributes in OTB-2013 datasetunit: %

表 411种算法在OTB-2013和OTB-100测试集上的运行速度对比

Table4. Comparison of running speed of 11 algorithms on OTB-2013 and OTB-100 test datasets

关于本站 Cookie 的使用提示

全站搜索

自适应特征融合与抗遮挡的相关滤波跟踪算法 下载： 729次

图 1. 不同遮挡情况下Girl2视频序列部分帧的跟踪置信度对比结果。(a)未被遮挡;(b)部分遮挡;(c)完全遮挡

Fig. 1. Comparison results of tracking confidence of partial frames of Girl2 video sequence under different occlusions. (a) Not occlusion; (b) slight occlusion; (c) severe occlusion

图 2. 所提算法框架

Fig. 2. Framework of proposed algorithm

图 3. 固定融合因子对于跟踪结果的影响。(a) Bird1的精度图;(b) Bird1的CLE图;(c) Bird2的精度图;(d) Bird2的CLE图;(e) Board的精度图;(f) Board的CLE图;(g) Coke的精度图;(h) Coke的CLE图

Fig. 3. Effect of fixed fusion factor on tracking. (a) Precision plot of Bird1; (b) CLE plot of Bird1; (c) precision plot of Bird2; (d) CLE plot of Bird2; (e) precision plot of Board; (f) CLE plot of Board; (g) precision plot of Coke; (h) CLE plot of Coke

图 5. 实验3在OTB-2013数据集上的测试结果。(a) OPE精确度图;(b)成功率图

Fig. 5. Test results of experiment 3 on OTB-2013 dataset. (a) OPE precision plot; (b) success rate plot

图 6. 实验3在OTB-100上数据集的测试结果。(a) OPE精确度图;(b)成功率图

Fig. 6. Test results of experiment 3 on OTB-100 dataset. (a) OPE precision plot; (b) success rate plot

图 7. 所提算法与其他4种算法在不同视频序列上的跟踪结果对比。(a) Joggong-2;(b) Coke;(c) Matrix;(d) Football1;(e) Freeman4

Fig. 7. Comparison of tracking results of proposed algorithm with other 4 algorithms on different video sequences. (a) Joggong-2; (b) Coke; (c) Matrix; (d) Football1; (e) Freeman4

表 1模型更新策略

Table1. Model update strategy

表 2实验2中跟踪模型的设置及各模型在OTB上的OPE测试结果

Table2. Setting of tracking model in experiment 2 and OPE test results of each model on OTB

表 37种算法在OTB-2013数据集中11个具有挑战性的属性上的表现

Table3. Performance of seven algorithms on 11 challenging attributes in OTB-2013 datasetunit: %

表 411种算法在OTB-2013和OTB-100测试集上的运行速度对比

Table4. Comparison of running speed of 11 algorithms on OTB-2013 and OTB-100 test datasets

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

自适应特征融合与抗遮挡的相关滤波跟踪算法下载： 729次