金广智，石林锁，刘 浩，牟伟杰，崔智高



基于灰度共生的多线索目标联合优化跟踪

金广智，石林锁，刘 浩，牟伟杰，崔智高

(第二炮兵工程大学502教研室 西安 710025)

为了提高跟踪算法对多种目标表观变化场景的自适应能力与跟踪精度，提出一种基于灰度共生的多线索目标联合优化跟踪算法。然后。与典型算法进行多场景试验对比，表明该算法能有效地应对多种复杂场景下的运动目标跟踪。

灰度共生; 线性空间; 多线索; 三阶张量

目标跟踪是计算机视觉的重要领域，具有重要的研究意义和良好应用前景。但在实际的运动目标跟踪过程中，随着时间的推移目标表观往往会出现遮挡、旋转、尺度等各种复杂变化，对跟踪算法的稳定性和准确性均带来了极大的挑战，因此需要寻求一种跟踪精度高且适用多场景的目标跟踪算法[1]。

针对该需求，许多学者开展了深入的研究，粒子滤波由于跟踪精度高、不受系统线性与噪声高斯假设的限制，受到了越来越多关注。在该框架下，文献[2]通过在线数据学习建立子空间表观模型，比典型方法更能适应目标表观的真实变化。文献[3-4]找到了在线表观模型合适的表示方式，并进一步提高了模型更新效率。文献[5]成功将高阶张量理论引入到目标跟踪领域。文献[6]结合多重线性空间理论，提出的模型增量更新方式可更好地描述目标表观的动态变化。以上方法使用的是单视图的目标表观模型，难以应对目标姿态、尺度等多种表观变化，并容易导致跟踪漂移。……