1 无锡学院 物联网工程学院，江苏 无锡 214105
2 长春工业大学 计算机科学与工程学院，吉林 长春 130012
3 中国北方车辆研究所，北京 100072
4 吉林农业大学 信息技术学院，吉林 长春 130118
实时多目标跟踪算法取得了理想的跟踪性能，但大多数现有算法的跟踪速度较慢，且随着背景复杂度的增加，跟踪精度也随之降低。针对此问题，本文提出了基于在线数据关联的行人实时跟踪算法。首先，设计了核相关滤波和卡尔曼滤波双轨道预测机制，配合DeepSORT中的级联匹配形成了预测-跟踪-校准体系，使数据关联更加可靠。此外，在目标检测部分引入了注意力机制，通过强化目标对象的位置信息增强特征表示能力，从而提升跟踪的精度。该模型在MOT16数据集上的MOTA达到了66.5%、IDF1达到了64.2%、IDSW达到了641。与DeepSORT算法对比，MOTA和IDF1分别提升了13%和13.2%，IDSW下降了410。本文算法有助于解决行人实时跟踪时出现的目标误检、漏检等问题，在跟踪中对严重遮挡情况仍保持了较高的跟踪精度，在复杂环境下可以实现行人实时稳定跟踪。
多目标跟踪 实时跟踪 YOLOv5 核相关滤波算法 DeepSORT multiple object tracking online tracking YOLOv5 kernelized correlation filters DeepSORT
1 海军航空大学，山东 烟台 264000
2 烟台北方星空自控科技有限公司，山东 烟台 264000
3 山东大学，济南 250000
核相关滤波(KCF)算法在跟踪过程中由于目标受到遮挡或者目标本身的形变、大小变化等问题容易丢失目标。针对以上问题对原算法做出如下改进: 一是加入检测模型响应值的方法作为判定目标是否丢失的依据，一旦判定目标丢失，模型就会暂停更新，增加采样窗口个数来扩大目标搜索范围，直至判定为重新定位目标; 二是加入一种自适应的多尺度搜索策略; 三是将原算法采用的方向梯度直方图(HOG)特征与图像灰度特征矢量融合作为新的样本特征。将原算法和改进算法用于实验采集的红外视频序列，定性地比较和分析跟踪效果，同时根据在OTB-2013中测试的跟踪精度做定量的评估。实验结果表明，改进算法的综合性能及应对目标受到遮挡、形变、大小变化等问题上的鲁棒性能均有提高。
核相关滤波算法 目标丢失判定 目标重定位 多尺度搜索 红外目标跟踪 KCF algorithm target loss determination target re-location multi-scale search infrared target tracking
华北理工大学电气工程学院, 河北 唐山 063210
针对核相关滤波算法中单一特征不能很好地适应跟踪过程中出现的复杂场景,以及算法无法解决目标尺度变化的问题,提出一种多特征融合的尺度自适应相关滤波跟踪算法。首先,在相关滤波算法的框架下,按照特征响应图的可信度来对快速方向梯度直方图 (FHOG)特征和局部二值模式(LBP)特征进行自适应加权融合,实现对目标的定位;其次,在尺度估计环节,利用尺度金字塔来估计目标的尺度大小,使算法对尺度发生变化的目标有很好的适应能力;最后,在OTB-50数据集上进行测试,将本文算法与其他5种跟踪方法进行对比,其精确率和成功率均有所提高,且具有较好的鲁棒性和稳定的跟踪性能。
机器视觉 相关滤波算法 特征融合 尺度自适应 尺度金字塔 激光与光电子学进展
2020, 57(4): 041512
华中光电技术研究所—武汉光电国家实验室，湖北 武汉 430223
核相关滤波（KCF）跟踪算法应用于尺度发生变化的视频跟踪时，因为无法跟上目标的尺度变化，极易受局部特征或者背景信息干扰，导致跟踪失败和目标丢失。提出了一种基于一维相关滤波的多尺度改进。该改进通过最小化损失函数求解相关滤波器用于尺度跟踪，并在跟踪过程中在线学习和更新滤波器。改进后的算法能够实时更新尺度信息，实现多尺度跟踪。多组实验结果和数据表明，改进后的算法在目标尺度发生剧烈变化时，相比KCF算法的中央位置误差降低了60%，距离精度和成功率分别提升了4.30%和28.65%，实现对目标持续稳定的跟踪。
核相关滤波算法 视频跟踪 尺度变化 尺度更新 精度 Kernelized correlation filters algorithm visual tracking scale change scale update precision
