基于特征优化的稳定目标跟踪方法

作者：张湛梅; 张晓川

来源：信息与电脑(理论版), 2022, 34(16): 77-80.

• 目标跟踪
• 特征优化
• 局部二值模式(LBP)特征
• 初始框动态更新

目标跟踪是视频分析领域中的重要分支，其中核相关滤波（Kernel Correlation Filter,KCF）算法在跟踪精确率、成功率和跟踪性能方面具有不错的表现。但是，在某些场景里，光照变化和形态变化较多会存在目标丢失、耗时长的问题。针对此问题，设计了基于特征优化的稳定目标跟踪方法。考虑目标运动过程的尺寸变化，利用局部二值模式（Local BinaryPatterns,LBP）特征替换FHOG特征和初始框动态更新策略，解决了跟踪目标尺寸骤变导致的目标丢失和跟踪耗时长等问题。经过对比数据集OTB100和VOT2018，结果表明本文提出的算法在精确率和稳定性等方面都优于经典KCF算法，且在各种复杂场景下更加准确和稳定，跟踪速度达到180 fps。