融合位置估计的自适应尺度相关滤波跟踪

王中帅，周聪玲，王永强，高 鹏

(天津科技大学机械工程学院，天津 300222)

目标跟踪在计算机视觉领域中占有核心地位，广泛应用在辅助驾驶、安防监控、无人机导航等领域.近年来，目标跟踪领域发展迅速.其中相关滤波跟踪[1-3]由于其强大的性能而备受广大科研人员关注.目前，在目标跟踪系统中，仍然面临着尺度变化、遮挡、形变和快速运动等诸多挑战.尤其是尺度变化导致跟踪精度降低，甚至由于多尺度原因造成目标在跟踪过程中丢失[4-5].2010 年，Blome 等[6]将相关滤波原理应用到目标跟踪领域，提出了MOSSE 跟踪器，通过傅里叶变换将运算转到频域中，降低了算法的运算量，进一步对算法进行提速优化.2012 年，Henriques 等[7]提出了CSK 跟踪器，通过在目标位置采取一次样本，其他样本均是基础样本循环偏移生成的虚拟样本，这些样本所构成的样本矩阵是循环矩阵，并利用了循环矩阵的性质，但CSK 跟踪器只使用图像中的灰度特征.文献[8]在特征选择上进行改进，使用了颜色特征，提出了CN 跟踪器.文献[9]采用了多通道的HOG 特征，并引入了核方法，提出了KCF 跟踪器.Galoogahi 等[10]提出的BACF 算法通过将目标框以外的背景信息考虑进去，增加整个图像循环偏移矩阵，得到了一个更稳定的滤波器.Mueller等[11]提出了上下文感知相关滤波跟踪(context-aware correlation filter tracking)，该算法联合目标区域前后左右四块背景区域进行联合滤波器训练，既合理地利用了背景信息，提高了跟踪器的鲁棒性，又不太影响跟踪的速度.在此基础上，DCF_CA 跟踪算法[11]、SAMF 跟踪……