光子学报
2023, 52(12): 1210003
1 华中光电技术研究所—武汉光电国家研究中心，湖北武汉 430223
2 海军海上防险救生第一支队，山东青岛 266000
3 武汉设计工程学院信息工程学院，湖北武汉 430225
单目标跟踪作为一项关键的计算机视觉任务在工业与**领域具有重要作用，从以图像特征为核心的传统方法发展到以网络结构设计为中心的深度学习方法，展现出了较大的研究价值。对单目标跟踪的发展过程进行了总结：首先介绍了一些主流的数据集；接着将以速度为优势的相关滤波方法和以精度高为特色的深度学习类方法作为主要脉络，对其中一些基准方法与高性能方法的设计思路进行了研究分析；最后对各种结构的方法进行了总结，并对今后的研究趋势作出展望。
单目标跟踪 深度学习 相关滤波 孪生网络 目标跟踪发展 single target tracking deep learning correlation filter Siamese network development of target tracking
宝鸡文理学院计算机学院, 陕西 宝鸡 721000
针对无人机跟踪目标易受视角变化、遮挡、背景杂乱等因素影响的问题, 提出一种融合多特征的时空正则化相关滤波无人机跟踪方法。首先, 将显著性特征引入时空正则化相关滤波跟踪框架, 与颜色、灰度和梯度方向直方图特征结合, 提高目标外观表示的多样性;其次, 利用峰值旁瓣比作为权重衡量不同特征相关响应图的峰值强度, 并将加权后特征进行组合降噪, 在响应层实现最终加权融合, 提升目标定位精度; 最后, 在公开无人机视频数据集UAV123@10FPS上与12种经典跟踪器进行对比。实验结果与分析表明, 所提方法在跟踪精确度和成功率上均取得较好的结果。
无人机跟踪 相关滤波 多特征融合 时空正则化 UAV tracking correlation filter multi-feature fusion spatial-temporal regularization
广东工业大学广东省焊接工程技术研究中心，广东 广州 510006
针对线激光视觉传感的焊缝跟踪系统在焊接过程中易受弧光、飞溅等噪声干扰而出现焊缝位置识别精度不高的问题，本研究团队提出了一种基于核相关/卡尔曼滤波算法的焊缝路径识别方法。利用图像处理方法提取焊缝中心区域，在焊接过程中利用核相关滤波(KCF)算法实时定位焊缝中心，根据响应图峰值旁瓣比(PSR)对焊缝目标模板进行自适应更新，以提高模板的抗干扰能力。采用状态扩增法建立带有色观测噪声的焊缝中心位置的卡尔曼滤波模型，对焊缝中心进行最优估计，进一步提高系统在强噪声环境下的焊缝路径识别精度。分别进行对接焊缝和搭接焊缝路径识别试验，试验结果表明：所提算法能在有强烈弧光和飞溅的工况下实现焊缝路径的准确识别，识别误差能分别控制在0.137 mm和0.105 mm以内。
激光技术 图像处理 焊缝跟踪 卡尔曼滤波 核相关滤波
1 中南大学高性能复杂制造国家重点实验室,长沙 410000
2 山河智能装备股份有限公司,长沙 410000
针对传统的核相关滤波跟踪算法缺乏处理目标存在遮挡情况的能力,提出了遮挡判断指标以及模型自适应更新的改进算法。首先通过最大响应值和低响应点个数两个指标综合判断是否存在遮挡,然后自适应调整模型学习率,解决了存在遮挡时不能准确跟踪的问题。在OTB2015数据集中选取存在遮挡的图像序列验证了算法的性能,相比传统的核相关滤波算法对遮挡情况下的跟踪,精确度提高了15.12%,成功率提高了14.7%。实验结果表明改进后的算法在存在遮挡时能够准确跟踪目标,具有更高的准确率和鲁棒性。
目标跟踪 相关滤波 遮挡判断 阈值 学习率 target tracking correlation filter occlusion judgment threshold learning rate
1 北海职业学院 电子信息工程系， 广西 北海 536000
2 北海职业学院 机电工程系， 广西 北海 536000
3 长江大学 机械工程学院， 湖北 荆州 434023
针对红外目标检测中小目标检测精度较低的问题，提出了一种利用改进型平均绝对灰度差(AAGD)算法的红外小目标检测。针对AAGD算法的缺点，在其基础上，融合灰度与显著性特征，用于核相关滤波器，以解决红外目标特征简单且信息量少的问题; 提出一种自适应双滑动窗口，针对不同区域调节聚合窗口形状及像素点权重，以实现高强度结构背景附近的机动目标的匹配，提高小目标检测的准确度; 利用MATLAB仿真平台对所提方法进行实验论证，结果表明，所提方法能够在噪声、高强度锐利边缘和结构背景等复杂图像中准确检测出小目标，且其准确度、稳定性、执行时间等方面均优于其他对比方法。
红外小目标检测 改进型AAGD算法 混合特征提取 核相关滤波器 自适应双滑动窗口 infrared small target detection improved AAGD algorithm hybrid feature extraction kernel correlation filter adaptive double sliding window
基于相关滤波的跟踪算法因其高效性，受到了无人机领域的密切关注。现有的跟踪算法使用固定的超参数进行滤波器的学习，无法满足无人机在跟踪过程中对复杂环境的适应性。针对该问题，提出了一种自适应正则化参数学习的相关滤波算法，将滤波器与时间正则化参数的学习描述为一个统一的目标函数; 同时，该算法可通过响应图的全局变化量感知目标的变化情况，自适应更新目标模型。无人机视频数据集上的结果验证了所提算法对复杂无人机跟踪场景的适应性以及对跟踪性能提升的有效性。
无人机 视觉跟踪 视频分析 相关滤波 自适应时间正则化 unmanned aerial vehicle visual tracking video analysis correlation filter adaptive temporal regularization
1 国防科技大学 电子对抗学院，安徽 合肥 230037
2 脉冲功率激光技术国家重点实验室，安徽 合肥 230037
深度学习技术使目标跟踪的精度和鲁棒性得到了很大提高，基于孪生网络的跟踪方法通过在大规模数据集上进行训练，使模型能应对目标的各种形变，缺点是无法排除相似目标的干扰。为此，提出了一种基于孪生网络的两阶段目标跟踪方法。首先，采用修改后的残差网络提取性能更优的深度特征。区域建议网络通过相关滤波调制自适应更新模板，结合时域信息过滤掉易区分的负样本；然后，通过感兴趣池化层提取候选区域固定尺度的特征，并馈送到验证网络进行更精细的分类与回归。为了提升网络对高难度样本的区分能力，采用正负样本对联合训练的方式提高特征匹配的性能。在OTB100、VOT标准测试集和UAV123无人机航拍数据集上进行了评测，实验结果表明：所提方法能明显改进基准算法的性能。
神经网路 目标跟踪 区域建议 相关滤波 neural networks visual tracking region proposal correlation filter 红外与激光工程
2021, 50(9): 20200491
1 中国科学院 长春光学精密机械与物理研究所，吉林长春30033
2 中国科学院大学，北京100049
为了提高跟踪过程中目标位置的定位精度，提出了基于显著性区域加权的相关滤波目标跟踪算法。本文在高效卷积算子跟踪算法（Efficient Convolution Operators for Tracking，ECO）的跟踪框架基础上，首先采用预训练的改进残差网络SE-ResNet来提取不同层的多分辨率特征，充分利用浅层和深层特征的不同特性来增强特征表达，通过因式分解的卷积求出相关滤波的响应图；然后采用背景对像模型来获取目标的显著性图，并使用显著性图来对相关滤波的响应图进行加权，提高定位精度；最后，在视觉目标跟踪（Visual Object Tracking，VOT）竞赛上与8种流行的跟踪算法进行对比，在VOT2016和VOT2017竞赛上的平均重叠期望（Expected Average Overlap，EAO）得分分别达到了0.415 7和0.341 2，均优于其他算法。实验表明本算法可以有效提升目标跟踪中的定位精度，改善跟踪性能。
卷积神经网络 相关滤波 显著性区域 目标跟踪 convolutional neural network correlation filter salient region object tracking
针对现有视频跟踪算法因目标运动机动性强或非对称刚体目标快速变形等情况导致的目标丢失问题,提出了一种基于相关滤波自适应模型与平均峰值相关能量(APCE)重检机制的视频跟踪算法。自适应模型跟踪算法可根据目标区域的清晰度实时调整模型,有效保证目标跟踪模型的准确性。实验结果表明,将自适应模型跟踪算法融入判别式尺度空间跟踪(DSST)模型中,可增强模型对机动性强或快速变形物体的跟踪效果,在保证跟踪速度的同时,使原始DSST模型的平均精度提高了18.3个百分点,成功率提高了15.2个百分点。此外,将自适应模型跟踪算法与APCE重检机制相结合,可保证跟踪算法的稳定性。
机器视觉 目标跟踪 模型更新 自适应模型 相关滤波 重检机制 光学学报
2021, 41(18): 1815001
