李 婷，赵文杰，杨 帅



基于多区域的随机蕨在线目标跟踪算法

李 婷，赵文杰，杨 帅

（空军航空大学，吉林 长春 130000）

原始的随机森林跟踪算法，是以像素点的灰度值作为检测特征，在目标发生遮挡和旋转时，容易产生跟踪漂移，为此本文提出了一种基于多区域融合的随机蕨在线目标跟踪算法。首先将目标候选区域划分为多个子区域，然后采用基于积分图的随机蕨分类器对每个子区域的候选图像块进行分类，在跟踪过程中自适应地融合子区域分类结果以剔除被遮挡子区域对目标跟踪结果的影响，同时更新随机蕨特征和子区域图像块的选择。结合对TLD算法部分模块的改进，通过对不同视频序列进行测试，实验结果显示本文算法在跟踪大小320pixel×240pixel的视频序列时，跟踪速度达到20～30frame/s左右，目标中心位置误差在30pixels时，算法准确率可达到80%以上。

目标跟踪，随机蕨算法，多区域融合，目标在线模型

0 引言

视频目标跟踪是计算机视觉领域中一个重要的研究方向。近20年来，关于视频目标跟踪算法的研究得到了飞速的发展。视频目标跟踪算法从早期的离线跟踪[1-3]发展到在线跟踪[4-10]。从对单目标的跟踪[1-6]发展到对多目标的跟踪[11-14]。研究者们一直在努力寻找一种实时性高鲁棒性强的跟踪算法，Collin[4]首次提出将跟踪视为二分类问题，强调了背景对目标跟踪的作用；随后Grabner[5]提出了在线Boosting跟踪算法，实现了对目标模型的在线更新，可是如果模板存在误差，就非常容易导致跟踪漂移。……