基于外观相似性更新的相关滤波跟踪算法

作者：方澄; 路稳; 姬菁颖; 宋玉蒙; 梁斐菲; 罗志伟

来源：系统工程与电子技术, 2021, 1-13.

• 目标跟踪
• 显著性检测
• 斯皮尔曼相关性
• 模型退化
• 模型更新

针对核相关滤波算法（kernel correlation filter, KCF）在目标旋转、形变等复杂环境中容易产生模型漂移的问题，文章提出了一种基于外观相似性自适应更新的目标跟踪新方法（adaptive updating target tracking algorithm based on KCF,AUKCF）。该方法首先对响应进行多峰判断，然后针对多峰现象使用显著性检测进行目标的重新定位，减少模型漂移。为了保证显著性检测的准确性，使用重检测手段进行显著性检测结果的校准。最后，使用斯皮尔曼相关性判断目标是否存在遮挡、严重形变等问题，并根据斯皮尔曼相关性结果决定是否进行模型的更新，减少模型退化，提高更新效率。AUKCF方法在国际权威通用目标跟踪数据集OTB2015上进行测试，实验结果表明，AUKCF相比KCF算法的精度和成功率分别提高14%和11.8%，并且AUKCF算法比目前流行的深度学习算法更加简洁，对设备性能要求更低，算法实时性可以达到93.84 FPS。

• 单位
  自动化学院; 中国民航大学