张 锐,王 军,杨 博,赵高鹏,薄煜明

(1.南京理工大学自动化学院,江苏 南京 210094；2.中国船舶工业综合技术经济研究院,北京 100081)

运动目标的跟踪长久以来都是广大科研人员非常青睐且十分热门的研究领域,许多研究成果早已被广泛地应用于军事、医疗、交通等多个方面。从最早的光流法、均值漂移[1]法、支持向量机[2]法、检测-跟踪(TLD[3])算法、相关滤波算法,到近年开始兴起的基于深度学习的方法。这些算法在跟踪的速度与精度、抗遮挡能力等方面各有所长,但应用在复杂场景时,容易受到例如光照、遮挡等因素的影响,无法进行鲁棒跟踪,所以需要针对长时跟踪进行进一步的研究。

相关滤波类算法凭借其在目标跟踪准确性和速度上的优秀表现,成为当下的一个研究热点。2010年,Bolme等人首先提出了MOSSE[4]滤波器,它是首个将相关滤波思想引入目标跟踪的算法,类似ASEF滤波器,其计算量小且速度较快。2012年,Henriques等人提出了CSK[5]跟踪器,提出将相关滤波引入核空间,训练在傅里叶域内进行,从而得到一个核化的分类器。随后在2014年将CSK算法思想与梯度方向直方图结合,设计得到了核相关滤波器KCF[6]。在特征提取方面,Danelljan等人在CSK的基础上,使用CN颜色空间对其进行拓展,并且在其模板更新机制上有所改进,提出了CN[7]算法。Staple算法[8]采用线性加权的方式将HOG特征模型与颜色直方图模型的响应结果进行融合,有效地提高了算法的鲁棒性。针对循环密集采样造成的边界效应,Danelljan等人提出了SRDCF[9]算法,引入空间正则并且使用高斯-赛德尔迭代来求解滤波器。……