基于运动粒子的粒子群目标跟踪算法

刘 博，苏成志，温迎晨，张小忱，王恩国*

（1.长春理工大学 机电工程学院，吉林 长春130022；2.长春理工大学 人工智能研究院，吉林 长春130022）

目标跟踪是机器视觉领域中比较重要和热门的研究方向，也是各种视频应用中的一个基本任务。目标跟踪是指对视频序列中的运动目标进行跟踪，即通过给定第一帧的目标位置预测目标在后续视频序列中的位置[1]。目标跟踪在无人驾驶、无人机监测、水上智能监控、视频监控、数据检索、医学治疗以及军事侦察等诸多领域有着广泛的应用[2-5]，存在很高的应用价值和广阔的应用前景。

在目标跟踪领域，Isard首先提出CONDENSATION算法并利用粒子滤波算法解决目标跟踪问题[6]。经典粒子滤波算法容易实现且简单有效，对噪声干扰和目标遮挡具有较强的处理能力，但粒子滤波算法在目标遮挡情况下跟踪精度降低，并且存在计算量大和实时性不好等问题[7-10]。近年来，随着深度学习和卷积网络的飞速发展，Seunghoon等人[11]通过使用卷积神经网络学习辨别显著性图提出在线视觉跟踪算法，提高了准确度。Heng等人[12]提出利用循环神经网络（RNNs）对目标结构进行建模，采用级联策略融合CNN与RNN，提高了鲁棒性。由于深度学习的深层结构，计算复杂度高，导致很难达到实时跟踪的要求。

针对以上算法存在的不能兼顾目标跟踪时的处理速度与准确性的问题，本文另提出一种基于运动粒子的粒子群目标跟踪算法。该算法首先提取目标的HSV特征得到目标特征向量；……