相关滤波的运动目标抗遮挡再跟踪技术

• 作者: 戴煜彤 陈志国 傅毅
• 来源期刊: 智能系统学报
• 关键词: 目标跟踪 相关滤波 特征融合 ULBP 高斯掩码 参数峰值均值比 卡尔曼预测 抗遮挡
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 机器学习|Machine Learning
• 页码范围: 630-640
• 页数: 11页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11992/tis.202005027

摘要

针对相关滤波在抗遮挡方面效果不佳的问题,本文在ECO_HC(efficient convolution operators handcraft)的基础上提出了一种多特征融合的抗遮挡相关滤波算法.在相关滤波算法的框架下,将目标ULBP(uniform local binary pattern)纹理特征和目标HOG(histogram of oriented gridients)特征进行线性加权融合;在模型建立与更新阶段通过高斯掩码函数缓解循环移位造成的边界效应;通过计算目标最大响应值的峰值均值比来判断目标状态,并将卡尔曼算法作为目标被遮挡后重定位策略.实验结果显示,在16个视频序列上,该文算法的平均精确度达到87.3％,成功率达到76.5％,相比基线算法,分别提升了27.7％和23.7％.