结合模糊特征检测的鲁棒核相关滤波跟踪法

林椹尠，郑兴宁，吴成茂

（1. 西安邮电大学 理学院，陕西 西安 710121; 2. 西安邮电大学 通信与信息工程学院，陕西 西安 710121; 3. 西安邮电大学 电子工程学院，陕西 西安 710121）

目标跟踪指通过目标检测或人工标记来确定目标在第一帧中的尺寸、位置，然后利用跟踪算法继续获取下一帧中目标的尺寸、位置，进而预测目标的运动轨迹[1]。它是计算机视觉领域中重要的研究方向，在视频监控和军事领域等方面应用广泛[2]。

生成式跟踪法[3]主要根据目标的外观特征建立复杂跟踪模型，但它忽略了背景信息，当跟踪目标和背景信息较相似时，容易导致跟踪失败，并且该方法计算复杂度较高，实时性相对较差。而判别式跟踪法[4-5]结合了目标和背景信息来训练分类器，在跟踪过程中通过分类器预测目标运动轨迹，其表现更为鲁棒。

核相关滤波法(kernelized correlation filter,KCF)[6]属于判别式跟踪法，其高效的计算能力受到国内外研究者的青睐[7]。KCF算法将目标样本进行循环移位采集到大量训练样本，通过循环矩阵的性质将时域中的矩阵求逆转化为频域中的点积运算，降低了计算复杂度[8]，并通过引入核函数将非线性问题转化为线性问题，使得该算法满足大多数实际应用场景的需求。但是KCF算法难以解决运动目标发生形变、尺度变化、遮挡和运动模糊等情况下的跟踪问题。近几年，CN(color name)[9]、DSST(accurate scale estimation for robust visual tracking)[10]、SAMF(scale adaptive with multiple features)[11]、SRDCF (spatially regularized correlation filters)[12-13]和CFLB (correlation filters with limited boundaries)[14]等算法相继提出，分别从颜色特征、多尺度变化、特征融合和降低边界效应等方面不断将跟踪法进行优化，来提高算法的跟踪精度。……