双重背景感知相关滤波算法*

王科平, 朱朋飞, 杨 艺

(河南理工大学 电气与自动化学院,河南 焦作 454003)

0 引 言

随着计算机技术的飞速发展,目标跟踪技术在视频监控、无人机侦察、导弹制导等诸多领域得到广泛应用。目前,相关滤波算法[1～6]因其速度快、精度高、鲁棒性强的特点逐渐取代了传统的光流法、均值漂移法、卡尔曼滤波以及粒子滤波等跟踪算法。

2010年,Bolme D S等人[1]提出了误差最小平方和滤波器MOSSE(minimum output sum of squared error),首次将相关滤波算法应用到目标跟踪当中；在此基础上,针对目标样本线性不可分的情况,通过将核函数引入到相关滤波中,提出了具有核循环结构(circulant structure kernel,CSK)[2]的跟踪器、核相关滤波器(kernelized correlation filters,KCF)[3]、以及颜色特征(color name,CN)[4]的跟踪器。为了解决相关滤波中因目标尺度变化而导致跟踪失败的问题,Li Y等人[7]提出自适应尺度变化的核相关滤波器(scale adaptive kernel correlation filter,SAMF)；Danelljan M等人[8]在MOSSE算法的基础上提出了判别性尺度空间跟踪器(discriminative scale space tracker,DSST)算法。针对相关滤波中出现的边际效应问题,Danelljan M等人[9]提出具有学习能力的空间正则化滤波器(learning spatially regula-rized correlation filters for visual tracking,SRDCF)算法；Li F等人[10]在SRDCF的基础上,加入时间正则化项,提出了时空正则化相关滤波(spatial-temporal regularized correlation filters,STRCF)算法。针对跟踪过程中相似背景的干扰,Galoogahi H K等人[11]提出了基于灰度特征的CFLM(correlation filters with limited boundaries)算法和基于HOG特征的BACF(learning background-aware correlation filters for visual tracking)算法[12]；Mueller M等人[13]提出了CACF(context-aware correlation filter tracking)算法,将背景信息加入到相关滤波器的学习中。为解决跟踪过程中的遮挡问题,综合上述研究成果可知,在相似背景干扰的情况,BACF算法[12]和CACF算法[13]取得了良好的跟踪效果。BACF算法通过对背景信息建模,利用一个掩码矩阵,使得较小的相关滤波器能作用于较大的搜索样本,避免了给建立的模型带来过多的背景因素干扰；……