田 丹，臧守雨，涂斌斌

具有空间调整和稀疏约束的相关滤波跟踪算法

田 丹，臧守雨，涂斌斌

(沈阳大学信息工程学院，辽宁 沈阳 110044)

因频繁遮挡、尺度变化、边界效应等因素的影响，进行目标跟踪时，时常难以达到较好的预期效果。再有，采用传统特征提取策略也会影响目标跟踪的鲁棒性。针对上述问题，提出一种具有空间调整和稀疏约束的相关跟踪算法。利用传统特征与深度特征的有效融合，适应目标表观变化；基于峰值旁瓣比判别目标在跟踪过程中是否被遮挡，若发生遮挡，则对滤波器进行稀疏正则化约束，提高模型对遮挡问题的鲁棒性；若未发生遮挡，则通过高斯空间调整惩罚滤波器系数，抑制边界效应的影响。实验利用OTB数据集中5组涵盖了严重遮挡和尺度变化等挑战因素的标准视频序列进行测试，定性和定量对比了算法与4种热点算法的跟踪效果。定性分析中基于视频序列的主要挑战因素进行比较，定量分析通过中心点位置误差和重叠率比较跟踪算法的性能。实验结果表明，算法对上述挑战因素更具鲁棒性。

目标跟踪；相关滤波；深度特征；稀疏约束；空间调整

目标跟踪[1]是计算机视觉的一个热点研究领域，广泛应用于人机交互[2]、视频监控[3]、无人驾驶[4]、医学诊断[5]等领域。在过去二十年中，目标跟踪受到了越来越多的关注。但是，目标跟踪任务仍然会受到目标表观形变、尺度变化、遮挡等问题的影响，所以跟踪算法的研究仍然具有挑战性[6]。……