嵌入式平台上运动目标的稳定实时跟踪算法

何 伟,李磊民,黄玉清

(1.西南科技大学 信息工程学院,四川 绵阳 621010；2.西南科技大学 研究生院,四川 绵阳 621010)

0 引 言

近年来,机器视觉在无人驾驶车辆平台上广泛应用,同时也面临诸多挑战,其主要原因有以下几方面：1)移动平台需要结合自身重量考虑能源消耗,因此所携带的传感器与处理器设备有限,对算法的运算速度有较高要求；2)相对于固定摄像机,移动平台上的目标跟踪面临光照变化、遮挡、尺度变化以及环境变化等挑战更加严峻[1,2]。

在线目标跟踪算法因为高效和优秀的跟踪效果被广泛采用,其主要框架之一是核相关滤波器(kernelized correlation filters,KCF)[3],它将单目标跟踪的问题转换到频域进行计算,大大降低运算的时间复杂度。在核相关滤波器的基础上,具有精确尺度估计的跟踪器DSST(accurate scale estimation for robust visual tracking)[4]与具有信道和空间可靠性的判别相关滤波器CSRT(discriminative correlation filter with channel and spatial reliability)[5]解决了跟踪中尺度变化问题。此外,通过组合多个核相关滤波器以提高跟踪器的精确度的方法也取得了不错效果[6]。但他们都依赖于图像最大响应值,跟踪器在跟踪过程中容易发生漂移或目标丢失,无法长时间跟踪。Hossain L等人[7]开发了一种基于粒子滤波器的跟踪器模型,用于处理视觉跟踪中遮挡问题,但缺乏目标合适的分类器,漂移情况严重。Li X等人[8]提出了一种基于自适应背景模型的视觉目标跟踪方法,但算法时间复杂度高,无法达到实时跟踪。要想跟踪器在嵌入式平台快速稳定运行,重检测,尺度估计与模板更新功能缺一不可[9]。

结合粒子滤波器与核相关滤波器,本文提出了一种具有遮挡预测和自适应模板跟新更新的核相关滤波器跟踪模型。……