基于多特征融合的变尺度目标跟踪方法

李 凯, 刘 颖, 李 娜, 王玮婧

(西安邮电大学 通信与信息工程学院, 陕西 西安 710121)



基于多特征融合的变尺度目标跟踪方法

李 凯, 刘 颖, 李 娜, 王玮婧

(西安邮电大学 通信与信息工程学院, 陕西 西安 710121)

给出一种基于多特征融合的核相关滤波器变尺度估计方法，以求解决视觉跟踪目标尺度变化问题。先提取目标所在区域的方向梯度直方图、颜色名和均匀局部二值模式，将此三种特征进行融合，构造训练样本，对目标外观建模；再求解线性岭回归函数，获得位置和尺度核相关滤波模板，对待检测帧的候选区域进行相似性度量，确定跟踪目标位置及尺度；实时更新位置模型和尺度模型的学习因子。实验结果表明，所给方法在不同挑战因素下，满足精确跟踪的要求，且在目标尺度变化、遮挡等复杂场景下，有较强鲁棒性。

目标跟踪；多特征融合；变尺度；遮挡

目标跟踪是计算机视觉研究的热点方向之一，在视频安防监控、智能人机交互、运动分析等领域都具有非常广泛的应用[1]。虽然，近年来有许多跟踪算法[2-4]被提出，但为处理目标尺度变化问题，仍有必要设计一个鲁棒精确的目标跟踪方法。

将核相关滤波器运用到目标跟踪框架中，可取得较好的跟踪效果[5]。核相关滤波器跟踪算法(Kernelized Correlation Filters, KCF)[6]将文[7]跟踪算法的灰度特征改进为多通道方向梯度直方图(Histogram of Oriented Gradient，HOG)[8]特征，使得训练所得的分类器对待检测目标的判别能力更强，但KCF跟踪算法采取固定大小的训练样本来训练分类器模型，难以对目标运动过程中出现的尺度变化进行相应的处理，最终导致分类器模型误差累积，跟踪目标漂移，且KCF无法对目标遮挡进行有效处理。……