南京航空航天大学航天学院, 江苏 南京 210016
近年来, 基于相关滤波的目标跟踪算法因其具有很好的跟踪精度和明显的速度优势, 引起了研究人员的极大关注。提出一种基于自适应特征选择的多尺度相关滤波跟踪算法。首先, 提取三种互补特征, 通过相关滤波响应图评估各特征的跟踪性能, 自适应选择最优特征进行位置跟踪; 其次, 预设响应图阈值作为位置相关滤波模型更新的判断条件, 优化模型更新方式; 最后, 引入尺度相关滤波跟踪器, 进一步提高了算法的尺度适应性和跟踪精度。实验部分将该算法和近年来流行的相关滤波及非相关滤波类跟踪算法进行了对比, 结果表明, 该算法在精度上优于其他算法, 同时具有53.12 frame/s的实时跟踪速度。
机器视觉 目标跟踪 相关滤波 自适应特征选择 自适应尺度
针对均值漂移跟踪算法框架不足以对目标帧间运动过大及快速尺度变化进行有效地处理，且单个图像特征对环境适应性较差.提出了一种特征自适应选择方法，通过分析目标与背景的特征区分度来选择出最有效的特征.将金字塔自适应分解和均值漂移跟踪结合，提出了金字塔均值漂移跟踪方法.采用背景加权直方图描述目标模板模型，核函数加权直方图描述候选目标模型，由粗到精定位目标，并给出了目标尺度自适应更新方法.多个视频序列的实验结果表明：本文方法能够有效处理目标快速运动、尺度变化、摄像机运动、局部遮挡等情况，实现复杂场景下的目标跟踪.
目标跟踪 金字塔均值漂移 特征自适应选择 Target tracking Pyramid Mean Shift(PMS) Adaptive feature selection
