梅炳夫

(广州市广播电视大学 人文与工程学院，广州 510091)

0 引言

在运动分析、交通监控等许多领域，目标跟踪技术得到了广泛的应用。当前的目标跟踪算法主要是对短时跟踪进行分析，其目标检测可以将第一帧图像作为检测对象，因此不需要对目标进行重复检测[1]。然而长时跟踪是以目标在一段时间内的视频序列作为检测对象，跟踪目标可能存在形态和尺度变化，或者遭遇环境遮挡等问题，因此其跟踪难度远大于短时跟踪[2]。当跟踪器遭遇遮挡环境时，它会经历3个阶段，分别是目标特征信息的逐步损失阶段、完全损失阶段、逐步恢复阶段。在目标脱离遮挡时，若其跟踪信息未被污染，则可以实现持续跟踪[3]。这次研究将以长时跟踪为基础，对遮挡环境下的目标特征提取技术进行优化，并保证目标跟踪算法的稳定性。

1 STAPLE目标跟踪算法的改进研究

1.1 STAPLE目标跟踪算法

由于STAPLE跟踪算法对形变目标的跟踪稳定性较好，此次将以此为基础，进行车辆非连续轨迹的智能跟踪技术研究。该方法首先通过相关滤波框架算法对目标定位，其次通过特征提取建立目标模板，再根据模板进行目标识别跟踪[4]。在进行目标定位时，以平移滤波器确定目标位置，以尺度滤波器估计目标尺度，两者独立工作。对于给定的视频图像，已知目标在t-1帧的位置和尺度大小，并建立对应的目标模板；针对第t帧序列中的图像xt，在剪裁和特征提取后，结合第t-1帧图像对应的目标模型参数分析，则可判断目标跟踪状态。……