王任华,王本璇,孔 军,蒋晨琛

(1.中国人民公安大学 信息技术与网络安全学院,北京 100038;2.香港理工大学 电子及资讯工程系,香港 999077;3.江南大学 物联网工程学院,江苏 无锡 214122)

目标跟踪一直是机器视觉研究领域中的一个基础且重要的研究课题。随着机器视觉领域研究的迅猛发展以及高质量图像数据采集技术的出现,目标跟踪技术的发展也是日新月异[1]。当然,这与目标跟踪技术的广泛应用也是密不可分的[2]。目标跟踪的工业应用领域主要包括自动监控系统、智能医学诊断、精确军事侦察、机器人视觉导航等。此外,目标跟踪技术在场景理解、视频语义分析、行为识别等学术领域也均具有重要的研究价值。但令人遗憾的是,目标跟踪的实现一直面临着诸多干扰和挑战,其中最常见的就是目标遮挡和目标形变[3]。这主要是因为跟踪过程中,由于非刚性目标的姿态动作或者外界遮挡物的出现,目标的外观信息会随之发生变化,尤其是目标的空间结构会被打乱。这些视觉信息变化带来的跟踪误差会随着跟踪的进行而累积,最终导致跟踪失败。

鉴于相关滤波器(Correlation filter,CF)在目标检测中的良好表现,Bolme等[4]将相关滤波器应用到目标跟踪中,提出了基于最小输出误差平方和(Minimum output sum of squared error,MOSSE)的相关滤波跟踪算法。随后,众多学者在此框架上提出了各种改进算法,从利用更多有效特征、缓解边界效应、利用上下文信息、简化模型复杂度、引入多分块策略等众多方面出发,提升跟踪效果。……