1 武警工程大学研究生大队，陕西 西安 710086
2 武警工程大学信息工程学院，陕西 西安 710086
遮挡问题是导致目标跟踪任务失败的重要因素，如何提升算法的抗遮挡性能是跟踪领域的研究热点。本文首先剖析了遮挡易导致跟踪失败的原因，论述了构建强判别性的鲁棒目标模型对提高跟踪算法抗遮挡性能的重要意义，分析了抗遮挡目标模型的构建方案。其次依据目标模型利用的信息类型，将代表性抗遮挡性能较优的算法分为基于有效特征信息、状态估计信息与稳定时空信息三类。而后详尽分析了基于卡尔曼滤波、粒子滤波、局部空间信息、时间上下文信息、时空上下文信息跟踪算法的抗遮挡思路方案、适用遮挡场景、优缺点及改进方案。最后通过不同类型算法在遮挡场景下的跟踪性能比较，对目标模型构建方案抗遮挡的有效性提出思考与分析，并指出学习语义信息轻量化网络设计、场景上下文预测、仿生视觉机理的应用发展方向。
机器视觉 目标跟踪 抗遮挡 状态估计信息 时空上下文 激光与光电子学进展
2022, 59(8): 0815001
陈法领 1,2,3,4,5丁庆海 1,6罗海波 1,2,4,5惠斌 1,2,4,5[ ... ]刘云鹏 1,2,4,5
1 中国科学院沈阳自动化研究所，辽宁 沈阳 110016
2 中国科学院机器人与智能制造创新研究院，辽宁 沈阳 110169
3 中国科学院大学，北京 100049
4 中国科学院光电信息处理重点实验室，辽宁 沈阳 110016
5 辽宁省图像处理与视觉计算重点实验室，辽宁 沈阳 110016
6 北京航天恒星科技有限公司，北京 100086
针对目标跟踪算法在光照变化、背景干扰、目标形变及遮挡时出现的跟踪稳定性下降甚至失败的问题，提出了一种采用时空上下文的抗遮挡实时目标跟踪算法。首先，在时空上下文模型框架下采用自适应降维的颜色特征构建目标外观模型，提高算法在复杂场景中对目标的辨别能力；然后，联合置信图响应的峰值和峰值旁瓣比对目标跟踪的状态进行评估；接着，利用目标模板之间相关系数的变化进一步判断目标是否被严重遮挡；最后，当目标跟踪出现波动时，降低目标模型更新速度，并通过Kalman滤波修正目标位置，当目标被严重遮挡时，则根据Kalman滤波预测目标位置，同时停止更新目标模型，在脱离遮挡后重新捕获目标并进行跟踪。选取了36组具有多种挑战因素的彩色视频序列测试算法的跟踪性能，并与其他表现优异的目标跟踪算法进行了对比分析。实验结果表明，所提算法具有较强的抗遮挡能力，并且在光照变化、背景干扰和目标形变等不利因素影响下仍具有较好的跟踪鲁棒性，同时能够满足目标跟踪的实时性要求。
目标跟踪 时空上下文 目标跟踪置信度 遮挡判别 Kalman滤波 target tracking spatio-temporal context target tracking confidence occlusion discrimination Kalman filter 红外与激光工程
2021, 50(1): 20200105
时空上下文 (STC)跟踪算法在特征表达、尺度自适应策略等方面存在缺陷，当出现目标突然形变、局部遮挡或尺度变化等情况时，跟踪器的性能会严重退化。通过对 STC算法进行改进，提出了一种融合颜色直方图响应的时空上下文跟踪算法。基于颜色统计的模型对运动模糊和目标形变等影响因素不敏感，和时空上下文模型具有良好的互补性质，在响应层融合后能够提升算法的鲁棒性。此外，采用基于多尺度金字塔模型的尺度搜索策略替换 STC算法中原有的尺度估计策略，进行更精准的自适应尺度估计。在大规模公开数据集上的测试结果表明，本文算法在不同影响因素的复杂环境下展现了更为良好的跟踪性能和适应性，并且平均跟踪速度达到 134.2帧/秒。
机器视觉 视觉跟踪 时空上下文 颜色直方图响应 尺度自适应 machine vision visual tracking Spatio-Temporal Context(STC) color histogram response scale adaptation 太赫兹科学与电子信息学报
2020, 18(3): 509
1 天津大学 精密测试技术及仪器国家重点实验室, 天津 300072
2 天津大学 微光机电系统技术教育部重点实验室, 天津 300072
为了满足某些算力受到限制的应用场景的长时跟踪需求, 如以C64x+ DSP为核心的嵌入式系统, 提出了一种由连续跟踪环节与目标检测环节两部分构成的低时间复杂度长时跟踪算法, 连续跟踪环节基于自适应更新的时空上下文算法(STC), 目标检测环节使用归一化互相关匹配算法。在没有目标出视场、目标快速移动等特殊跟踪场景时, 连续跟踪环节输出跟踪结果, 在跟踪失败后, 目标检测环节对全幅图像进行处理, 只要目标出现在图像中, 便可以重新锁定目标。经实验验证, 目标检测环节可以在目标出现后准确检测到目标, 满足了长时跟踪的要求。同时, 目标检测环节在跟踪不可靠时的辅助定位也提升了连续跟踪环节的鲁棒性, 使用OTB2013数据集测试, 本算法的精确度较STC算法提升了4.95%。
长时跟踪 算力限制 时空上下文算法 模板匹配 long-term tracking computational constraints STC algorithm template matching 红外与激光工程
2020, 49(1): 0126003
昆明理工大学信息工程与自动化学院, 云南昆明 650500
针对繁杂环境下目标跟踪稳定性差且易受到遮挡发生漂移的问题, 提出一种结合时空上下文信息的相关滤波目标跟踪方法。该算法首先从目标和背景区域提取方向梯度直方图特征和颜色直方图特征, 加权融合两种特征的相关滤波响应, 建立相关滤波跟踪模型; 然后利用目标的背景梯度直方图特征, 基于贝叶斯框架通过最大化似然函数得到时空上下文辅助模型; 最后自适应融合两种模型响应, 得到目标估计位置并采用尺度估计方法解决目标尺度变化问题。在 OTB-2013公开标准测试集上与基于相关滤波的运动目标跟踪方法进行了实验对比。结果表明, 该算法的平均距离精度值和平均重叠精度值都优于其他算法, 能够有效缓解跟踪目标由于遮挡、尺度变化、光照等因素造成的跟踪漂移状况的发生。
目标跟踪 相关滤波 时空上下文 自适应融合 object tracking, correlation filter, Spatiotempora
1 中国工程物理研究院应用电子学研究所，四川 绵阳 621999
2 中国工程物理研究院高功率微波技术重点实验室，四川 绵阳 621999
针对时空上下文(STC)算法在抗遮挡目标跟踪中的不足，提出使用上下文模型相似度作为判别遮挡的条件和改进上下文模型更新方程的修正系数，同时采用预测算法修正搜索区域，构建了一种基于时空上下文跟踪的抗遮挡目标跟踪算法，并通过标准目标跟踪视频库对原算法和改进后算法的跟踪性能进行仿真和对比。实验证明，在原算法的基础上提高了抗遮挡跟踪的鲁棒性，在一些图像序列中跟踪成功率的提高最高可达30%。
时空上下文 预测算法 抗遮挡 Spatio-Temporal Context prediction algorithm anti-occlusion 太赫兹科学与电子信息学报
2018, 16(5): 879
STC目标跟踪算法是一种基于贝叶斯框架、使用跟踪目标与目标周围区域的时空关系达到跟踪目的的跟踪算法, 但是当目标快速移动或者受到剧烈干扰时容易丢失跟踪的目标。将时空上下文目标跟踪算法与Kalman滤波相结合, 使用Kalman滤波对目标的位置进行预测, 并使用STC目标跟踪算法对预测结果进行校正。结合Kalman滤波和STC的目标跟踪算法能在目标被遮挡或存在干扰目标情况下实现有效跟踪。实验结果表明, 将STC目标跟踪算法与Kalman滤波结合后在目标跟踪中比单纯的STC目标跟踪算法具有更好的准确性和鲁棒性。
目标跟踪 时空上下文 Kalman滤波 置信图 target tracking STC Kalman filter confidence chart
1 电子科技大学 电子科学技术研究院，四川 成都 611731
2 贵州大学 大数据与信息工程学院，贵州 贵阳 550025
3 电子科技大学 光电科学与工程学院，四川 成都 610054
为了得到人眼跟踪过程中更好的鲁棒性和实时性以及跟踪精度，提出一种基于自适应增强分类算法(AdaBoost)、随机森林(RF)和时空上下文(STC)的重定位跟踪算法。该算法结构分为3层，分别为AdaBoost人脸检测、STC人脸跟踪和RF人眼定位。首先，利用AdaBoost在第一帧识别出人脸，从而提取出人脸窗口。接着，使用时空上下文跟踪算法进行人脸跟踪。然后，联合定向梯度直方图(HOG)算法进行相似度判断，以达到目标丢失后继续跟踪的目的。最后，采用随机森林算法进行人眼定位。实验结果表明，与传统的随机森林人眼跟踪算法相比，该算法在跟踪速度达到原方法的2倍左右，并在跟踪精度和鲁棒性上和原算法相同。基本满足在裸眼3D显示时人脸跟踪和人眼定位的精度高、实时性快、鲁棒性好的要求。
级联分类器 随机森林 时空上下文 人脸检测 人眼定位 adaBoost random forest spatio-temporal context face detection human eye location
1 西安电子科技大学 物理与光电工程学院, 西安 710071
2 中国电子科技集团公司 第五十四研究所, 石家庄 050081
为解决传统跟踪算法不能有效区分复杂天空云层背景边缘和红外弱小目标, 从而在跟踪过程中产生“偏移”的问题。在时空上下文原理基础上分析跟踪“偏移”的原因, 引入高斯曲率滤波, 提出一种改进的时空上下文红外弱小目标跟踪算法。该算法首先采用高斯曲率滤波对上下文区域进行预处理, 在保留上下文区域背景边缘的同时剔除高频的红外弱小目标和噪声, 从而获得准确的红外弱小目标置信图, 利用红外弱小目标置信图估计出红外弱小目标位置。采用四组复杂天空背景下的红外弱小目标图像序列进行实验, 并与经典的模板匹配算法、基于粒子滤波的均值漂移算法和快速压缩跟踪算法三种跟踪算法作比较。实验结果表明, 算法在主观视觉和客观评价指标方面均优于其他三种算法, 具有更高的目标跟踪精度与较好的实时性, 可以实现对复杂天空背景下红外弱小目标的有效跟踪。
目标跟踪 红外弱小目标 高斯曲率滤波 时空上下文 傅里叶变换 target tracking infrared dim small target Gaussian curvature filter spatio-temporal context Fourier transform 强激光与粒子束
2018, 30(6): 061002
