徐 曼, 田秀霞

(上海电力大学 计算机科学与技术学院, 上海 200090)

视觉目标跟踪是计算机视觉领域一个重要的研究方向。随着计算机计算能力的提升、摄像设备的普及和数据存储成本的下降,视觉目标跟踪广泛应用于移动识别、智能视频监控、视频索引、人机交互、交通管理和视觉导航等领域。

基于相关滤波器的目标跟踪算法将空域中复杂的卷积运算转换到频域中完成,时间复杂度极低,具有很高的跟踪效率和鲁棒性,近年来逐渐成为实现实时目标跟踪的主流技术[1]。文献[2]在MOSSE滤波器中引入核方法,实现了非线性分类;文献[3]在文献[2]提出的核化相关滤波方法的基础上,提出了多特征融合的方法,将方向梯度特征、局部二值模式特征和灰度特征进行融合,形成了新的特征表达;文献[4]引入颜色属性值,增强了像素的描述能力;文献[5-6]加入尺度控制,提高了算法对目标尺度变化的鲁棒性;文献[7-9]引入深度学习,对深度学习特征做相关滤波,将特征从人工选定特征扩充到了深度学习特征;文献[10]采用连续滤波器进行目标跟踪;文献[11]针对文献[10]存在的过拟合和采样存储问题,使用少量的滤波器参数替代原来大量的过滤器参数,并结合高斯混合模型减少了存储的样本数量,保持了样本的差异性;文献[12]在文献[11]的基础上引入了稳定性概念,对滤波器的每一部分引入一个权值,由此决定是否使用其进行跟踪,通过构造一个滤波器大小相同的矩阵,在使用滤波器前与之相乘,最终使得滤波器不可靠部分数值较小,从而提升了跟踪精度。……