针对长时目标跟踪中目标遮挡、目标出视野等因素导致的目标失跟问题,提出一种基于特征融合的长时目标跟踪算法,提高目标跟踪的速度和稳健性。首先,融合目标方向梯度直方图特征、颜色空间特征和局部敏感直方图特征,来增强算法在复杂情况下的特征判别力,提高目标跟踪的稳健性,并对融合特征进行降维来提高目标跟踪的速度;然后,通过额外的一维尺度相关滤波器来获得目标最优的尺度估计,并通过正交三角分解来无损降低计算复杂度;最后,自适应确定目标检测阈值,在目标遮挡或出视野导致目标失跟时,通过EdgeBoxes方法提取目标候选区域,利用结构化支持向量机重新检测目标位置达到长时跟踪的目的。在标准跟踪数据集OTB2015和UAV123上进行实验。结果表明,本文算法较对比算法中最优算法目标跟踪平均精度提升5.0%,目标跟踪平均成功率提升2.6%,目标跟踪平均速度为28.2 frame/s,可满足跟踪的实时性要求。在目标受到遮挡、出视野等情况下,该算法仍能够对目标进行持续准确的跟踪。

针对目标跟踪中因目标遮挡、目标出视野导致的跟踪失败问题, 为提高相关滤波目标跟踪算法的鲁棒性, 提出了一种基于双步相关滤波的目标跟踪算法。首先根据方向梯度直方图特征不同单元大小目标表征的特点, 提出双步相关滤波目标跟踪框架, 在提高目标跟踪精度的同时保证了跟踪速度; 然后融合多种目标特征, 来获得目标更加全面的特征表征, 以提高目标跟踪的鲁棒性; 最后提出基于目标跟踪置信度指标的目标模板自适应更新策略, 来解决目标遮挡时目标模板被污染的问题。实验在OTB100标准目标跟踪数据集上进行验证, 通过与其他跟踪算法进行比较结果表明, 该算法与其中最优跟踪算法相比, 目标跟踪精度提升6.0%, 目标跟踪成功率提升5.5%, 平均跟踪速度为27.4 fps, 保证了目标跟踪的实时性。实际目标跟踪应用中, 在目标严重遮挡等情况下, 该算法仍然可以对目标进行稳定精确地跟踪。