相关滤波追踪算法中的测地线更新策略

张铭珂， 张选德

(陕西科技大学 电子信息与人工智能学院， 陕西 西安 710021)

0 引言

目标追踪是计算机视觉领域的热点问题之一，目前已广泛应用于人机交互、自动驾驶、交通控制等各个领域[1-3].单目标跟踪可以描述为：给定目标在第一帧中的位置，预测目标物体在后续帧中的运动轨迹.尽管在过去几十年中研究人员已经取得了巨大的进展，但由于存在光照变化、形变、遮挡、平面内/外旋转等问题的干扰，目标跟踪仍然是一项具有挑战性的任务[4-6].

目前，目标追踪算法主要分为判别式[7-9]和生成式两类.生成式目标追踪算法首先在初始帧中对目标物体进行建模，通过在后续帧中搜索与生成模型相似的区域来确定目标物体所在位置.生成式方法主要有卡尔曼滤波法[10]、Mean-Shift[11]以及粒子滤波[12]等.判别式目标追踪方法则是在初始帧提取正负样本，利用样本学习判别器，将在后续帧中寻找目标位置的问题转化为判断目标区域和背景区域的二分类问题.

近年来，判别相关滤波追踪算法在跟踪精度和速度之间取得了很好的平衡，备受关注.2010年，Bolme等[13]提出最小输出平方误差和(MOSSE)算法，首次将相关滤波器引入目标追踪，实现了极高的跟踪速度.2012年，Henriques等[14]通过应用循环结构和岭回归提出利用核检测追踪的循环结构算法(CSK)，在保持追踪速度的基础上，提高了追踪精度.2015年，Henriques等[15]在CSK算法的基础上，引入多通道特征的核相关滤波追踪算法(KCF)，将原本的灰度特征改为多通道HOG特……