郑亮 何小卫

摘 要： 经典相关滤波跟踪算法KCF，在目标发生严重遮挡和丢失后重现等情形时容易产生漂移。本文提出一个新的算法，在KCF跟踪算法产生漂移时，设计级联检测器重新检测目标位置，更新KCF滤波器模型以实现重新跟踪。为了验证该算法的有效性，与传统相关滤波算法KCF、CSK以及其他优秀的目标跟踪算法Struck，TLD，MIL，CT等进行了对比，结果表明，该模型可以显著地提高跟踪器的跟踪效果。尽管该模型引入检测器，对算法的速度有所影响，但算法仍能保证足够快的运行速度而不影响目标跟踪的实时性。

关键词： 目标跟踪； 相关滤波； 检测器； 实时性

中图分类号：TP37 文献标志码：A 文章编号：1006-8228（2018）06-09-05

Correlation filter tracking algorithm based on cascade detection

Zheng Liang， He Xiaowei

（College of Mathematics， Physics， and Information Engineering， Zhejiang Normal University， Jinhua， Zhejiang 321004， China）

Abstract： The classical correlation filter tracker KCF is easy to drift when the object has been seriously occluded and out of view. In this paper， a new algorithm is proposed with a cascade detector to re-detect the object position and update the KCF filter model when KCF produces drift. In order to verify the effectiveness of the algorithm， it is compared with the traditional correlation filtering algorithms KCF， CSK and the other excellent algorithms Struck， TLD， MIL， CT etc. The experimental results demonstrate that the proposed tracker can remarkably improve the precision and success rate on the challenging benchmark. Although introducing the detector into the model， it can still run fast enough to keep real-time.

Key words： object tracking； correlation filter； detector； real-time

0 引言

目标跟踪技术是计算机视觉领域中的重要研究课题。目标跟踪是对视频序列图像帧进行检测、分类和分析，通过计算图像帧中所标定目标在每一帧图像上的二维坐标位置，然后将连续图像帧的同一目标所处位置连接起来，得到运动目标运动轨迹。目标跟踪在人机交互、机器人、无人驾驶以及智能监控等[1]领域有非常重要的研究价值。

在目标跟踪算法中，模型实现跟踪的思想大都是基于tracking-by-detection 框架[2]，将目标跟踪问题看成检测问题，然后对检测到的目标建模。Kalal. Z等人提出的TLD[3]传统跟踪算法，模型采用光流法和检测算法，同时，采用跟踪器与检测器并行更新的方式实现目标跟踪，但TLD受限于基准滤波器和分类检测器的能力，对目标再现和旋转较为敏感。

基于判别式模……