基于外观相似性更新的相关滤波跟踪算法

• 作者: 方澄 路稳 姬菁颖 宋玉蒙 梁斐菲 罗志伟
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 目标跟踪 显著性检测 斯皮尔曼相关性 模型退化 模型更新
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 传感器与信号处理|Sensors and Signal Processing
• 页码范围: 117-126
• 页数: 10页
• 分类号: TP139
• 语种: 中文
• DOI: 10.12305/j.issn.1001-506X.2022.01.16

摘要

针对核相关滤波(kernel correlation filter,KCF)算法在目标旋转、形变等复杂环境中容易产生模型漂移的问题,提出了一种基于KCF自适应更新的目标跟踪算法(adaptive updating target tracking algorithm based on KCF,AUKCF).该方法首先对响应进行多峰判断,然后针对多峰现象使用显著性检测进行目标的重新定位,减少模型漂移.为了保证显著性检测的准确性,使用重检测手段进行显著性检测结果的校准.最后,使用斯皮尔曼相关性判断目标是否存在遮挡、严重形变等问题,并根据斯皮尔曼相关性结果决定是否进行模型的更新,减少模型退化,提高更新效率.在目标跟踪数据集OTB2015上进行测试,实验结果表明,AUKCF相比KCF算法的精度和成功率分别提高14％和11.8％,并且AUKCF算法比目前流行的深度学习算法更加简洁,对设备性能要求更低,算法实时性可以达到93.84 fps.