具有空间调整和稀疏约束的相关滤波跟踪算法

作者：田丹; 臧守雨; 涂斌斌

来源：图学学报, 2021, 42(05): 755-761.

• 目标跟踪
• 相关滤波
• 深度特征
• 稀疏约束
• 空间调整

因频繁遮挡、尺度变化、边界效应等因素的影响,进行目标跟踪时,时常难以达到较好的预期效果。再有,采用传统特征提取策略也会影响目标跟踪的鲁棒性。针对上述问题,提出一种具有空间调整和稀疏约束的相关跟踪算法。利用传统特征与深度特征的有效融合,适应目标表观变化;基于峰值旁瓣比判别目标在跟踪过程中是否被遮挡,若发生遮挡,则对滤波器进行稀疏正则化约束,提高模型对遮挡问题的鲁棒性;若未发生遮挡,则通过高斯空间调整惩罚滤波器系数,抑制边界效应的影响。实验利用OTB数据集中5组涵盖了严重遮挡和尺度变化等挑战因素的标准视频序列进行测试,定性和定量对比了算法与4种热点算法的跟踪效果。定性分析中基于视频序列的主要挑战因素进行比较,定量分析通过中心点位置误差和重叠率比较跟踪算法的性能。实验结果表明,算法对上述挑战因素更具鲁棒性。