结合重检测机制的多卷积层特征响应跟踪算法

张 晶，黄浩淼

1.昆明理工大学 信息工程与自动化学院，昆明650500

2.云南省人工智能重点实验室（昆明理工大学），昆明650500

3.云南枭润科技服务有限公司，昆明650500

在计算机视觉领域中目标跟踪是研究的热点，并且在信息物理融合系统（cyber physical systems）的感知层中也得到了广泛的应用。然而对于目标严重变化、快速移动、长时间遮挡后再出现等复杂场景下，跟踪仍然面临很大的挑战性。因此，研究者提出了许多优秀的判别式与生成式目标跟踪算法[1-2]，比如引入循环矩阵和核概念的算法（circulant structure of tracking-by-detection with kernel，CSK）[3]首先对训练样本中前景和背景进行密集采样，再由分类器循环移位样本从而快速检测出目标，提高了算法的速度，但由于只提取灰度特征，导致CSK 算法在复杂情景下不能更好体现目标外观模型，容易跟踪失败。CN（adaptive color attributes for real-time visual tracking）[4]提取多通道颜色信息经过快速傅里叶变换与核函数映射，得出目标最大响应值，同时该算法使用PCA（principal component analysis）降维技术大大减少颜色维度，提高跟踪的实时性，但也屏蔽了部分目标信息，对于光照强度下鲁棒性较差。KCF（high-speed tracking with kernelized correlation filters）[5]在CSK 的基础上，提取多通道HOG（histogram of gradient）特征替换灰度特征，然后高斯核函数简化特征矩阵，提高算法的鲁棒性，但目标尺度发生变化后，跟踪框容易漂移。DSST（discriminative scale space tracking）[6]构建33 层金字塔特征向量，再由尺度滤波器求响应值应对目标尺度变化，在解决目标尺度变化问题的同时跟踪精度也很高，但目标快速运动环境下跟踪效果不佳。以上相关滤波器算法在目标快速运动跟踪过程中，滤波器都容易因为边界效应而导致跟踪失败。……