采用核相关滤波器的长期目标跟踪.pdfVIP

第 24卷 第 8期 光学 精密工程 Vo1．24 No．8 2016年 8月 OpticsandPrecisionEngineering Aug．2016 文章编号 1004—924X(2016)08—2037-13 采用核相关滤波器的长期 目标跟踪 杨德东，蔡玉柱 ，毛 宁，杨福才 (河北工业大学控制科学与工程学院，天津300130) 摘要 ：针对核相关滤波器(KCF)跟踪算法在 目标跟踪中存在尺度变化、严重遮挡、相似 目标干扰和 出视野情况下跟踪失 败等问题，提出了一种基于KCF的长期 目标跟踪算法。该算法在分类器学习中加入空间正则化 ，利用基于样本区域空 间位置信息的空间权重函数调节分类器系数 ，使分类器学习到更多负样本和未破坏 的正样本 ，从而增强学习模型的判别 力 。然后 ，在检测区域利用 Newton方法完成迭代处理，求取分类器最大响应位置及其 目标尺度信息。最后 ，对最大响 应位置 的 目标进行置信度 比较 ，训练在线支持向量机(SVM)分类器 ，以便在跟踪失败 的情况下，重新检测到 目标而实现 长期跟踪 。采用 OTB一2013评估基准 5O组视频序列验证 了本文算法 的有效性，并与 3O种其他跟踪方法进行 了对 比。 结果表 明：本文提出的算法跟踪精度为 0．813，成功率为 0．629，排名第一 ，相 比传统 KCF算法分别提高了9．86 和 22．3 。在 目标发生显著尺度变化、严重遮挡、相似 目标干扰和出视野等复杂情况下，本文方法均具有较强的鲁棒性。 关 键 词 ：核相关滤波器 ；长期 目标跟踪 ；空间正则化 ；支持 向量机 (SVM)；在线 sVM 分类器 中图分类号：TP391 文献标识码 ：A doi：10．3788／OPE2037 Long-term objecttrackingbasedonkernelizedcorrelationfilters YANG De～dong，CAIYu—zhu ，MAO Ning，YANG Fu—cai (CollegeofControlScienceandEngineering，HebeiUniversityofTechnology， Tia in300130，China) C0m *Correspondingauthor，E-mail：caiyuzhuO01@sina． Abstract：AsKernelizedCorrelationFilters (KCF)trackingalgorithm haspoorperformancein han— dlingscale—variant，heavyocclusion，similartargetinterfereandoutofview，thispaperproposesa long—term trackingapproachbasedontheKCF．Firstly，aspatialregularizationcomponentwasintro— ducedinthelearningofaclassifier，theclassifiercoefficientswerepenalizeddependingontheweight functionofspatiallocationinformationinsamplelocations．Bywhichtheclassifiercouldlearnsignifi— cantlylargersetofnegativetrainingsamplesanduncorruptedpositivesamples，SOthatthediscrimina— tivepoweroflearnedmodelwasincreased．Then，theNewtonmethodwasusedtocompletetheitera— tionandobtainthemaximizingresponselocationandtargetscore