联合判别式核相关滤波视觉跟随算法

田应仲，刘伊芳，李 龙

(1.上海大学 机电工程与自动化学院，上海 200444；2.上海市智能制造及机器人重点实验室，上海 200444)

0 引 言

计算机视觉是人工智能的一个研究热点，具有极大的理论研究价值[1-3]。目标跟踪是计算机视觉研究的热门方向之一，在各行各业都发挥着重要的作用，比如智能交通系统、无人驾驶领域、移动机器人等[4-6]。目标跟踪主要根据视频给定的第一帧确定一个区域作为目标，在接下来的帧中继续得到目标的运动及位置信息，持续跟踪该目标，并输出目标的位置。

核相关滤波(kernel correlation filter)视觉跟踪算法[7]通过循环矩阵构造正负训练样本，将时域的卷积转换到频域的点乘完成滤波器的训练，降低计算复杂度从而显著提高计算速度，因此受到广泛关注。但是，核相关滤波算法存在一定局限性。循环样本会带来不必要的边界效应，目标搜索区域将受到限制。此外，传统核相关滤波跟踪算法还存在未能充分利用颜色特征、模板单一、搜索框不能适应目标尺度变化等问题。

现实环境复杂多变，难以预测，存在遮挡、光照变化、背景模糊、尺度变化、外观变形、快速运动等挑战，给视觉跟随跟随算法的研究带来了较大困难。针对现实环境存在光照变化、目标尺度变化等干扰因素的影响，提出了多特征的核相关滤波自适应尺度变化型跟踪算法。此外，核相关滤波器没有充分运用目标的背景信息，在面对遮挡、环境复杂等挑战时，容易跟踪失败，为此提出了联合判别式的背景感知与干扰判别策略。……