针对目标跟踪过程中出现的尺度变化、光照变化、运动模糊及背景杂乱等现象, 提出一种基于背景感知相关滤波跟踪器(BACF)的多特征融合与尺度自适应相结合的目标跟踪算法。提取目标和背景信息的多种特征信息, 根据响应图对特征分配权重进行加权融合完成目标位置预测; 利用方向梯度直方图(HOG)特征和颜色名称(CN)两种互补特征替换判别尺度空间跟踪算法中单一的HOG特征, 对目标进行尺度估计; 选用自适应变化的阈值更新滤波器模型。仿真对比结果表明所提方法具有较高成功率和精确度。

针对相关滤波器(CF)的目标背景因没有根据时间建模而导致的性能不佳的问题,在方向梯度直方图(HOG)的基础上,提出一种基于时间正则化及背景感知的滤波器跟踪算法。从真实的背景中提取训练样本,通过增加训练样本来增强滤波器的分类能力;引入时间正则化,构建遮挡情况下目标重定位模块;采用交替方向乘子法(ADMM)优化求解目标,降低计算复杂度;采用线性插值策略来更新目标的位置和尺度。采用目标跟踪基准(OTB-2015)数据集中的100个视频序列与评价标准对本文所提出的算法进行性能测试。实验结果表明,基于时间正则化及背景感知的滤波器跟踪算法的精确度得分达到0.801,成功率得分为0.762,相比核相关滤波器(KCF)算法分别提高了20%和46.8%。本文算法能很好解决目标发生平面外旋转、目标被遮挡、背景嘈杂等情况下的视觉跟踪问题,具有良好的应用前景和较大的使用价值。

针对红外目标分辨率低、对比度差、信噪比低、纹理信息缺失等特点, 提出一种融合多特征的红外目标跟踪算法。利用背景感知相关滤波器生成大量真实样本, 对红外目标提取HOG特征和运动特征, 通过线性求和方式进行特征融合, 更好地发挥各自特征优势, 实现对红外目标运动的精准跟踪。另外, 提出使用空间加权窗代替传统相关滤波器中的余弦窗, 可以更加突出目标的中心位置, 同时也能很好地抑制边缘效应。采用VOT-TIR 2016数据集对算法性能进行评估, 同时和15种流行算法进行比较。结果表明, 本文算法在精确度和成功率上的得分分别为0.751和0.697, 在精确度和成功率指标方面分别提高了8.8%和15.4%, 具有一定的研究价值。