基于核相关滤波在复杂场景中的目标跟踪算法研究

作     者：束庆中 

作者单位：新疆大学 

学位级别：硕士

导师姓名：赖惠成

授予年度：2021年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：核相关滤波 特征融合 遮挡机制 尺度池 模型更新 

摘      要：随着互联网技术的进步,计算机视觉领域得到了很大的发展。目标跟踪技术作为计算机视觉领域里的重要组成部分也越来越受到人们的关注。但在实际应用过程中,当目标在移动时,会出现形态变化、尺度变化和快速移动等现象。在跟踪过程中,还会遇到光照变化、背景干扰、遮挡和视界外等复杂情况,这些因素都会导致跟踪精度下降,降低跟踪的鲁棒性,给目标跟踪技术带来很大的挑战。针对上述因素造成的干扰,本文在核相关滤波的基础上,采用多特征融合、尺度估计、遮挡检测机制和自适应模型更新方法对目标跟踪算法进行改进。主要的研究内容如下所示:1.针对目标跟踪在复杂环境下遇到的问题,提出了一种多特征融合的目标重定位跟踪算法。首先,提出了一种多特征加权融合算法。由于每种特征在不同的环境下具有不同的优势,本文结合HOG(Histogram of Oriented Gradient,方向梯度直方图)、CN(Color Name,颜色名)、ULBP(Uniform Local Binary Pattern,等价局部二值模式)和图像边缘特征,然后分别计算各个特征分量的相关响应值,再采用加权系数法对每种特征分量进行自适应融合。其次,针对目标遮挡问题,引入一种遮挡判断机制,通过计算相邻两帧之间的APCE(Average Peak to Correlation Energy,平均峰值相关能量)差值来判断目标当前是否有遮挡的情况,当目标被遮挡时采用融合加权滤波对目标进行重新定位。第三,建立尺度池,采用分类搜索的方法训练尺度滤波器。最后,提出了一种自适应模型更新策略。在公开的数据集上的实验结果表明,改进算法在复杂场景下的鲁棒性和精度均有所提高。2.为了解决传统特征对目标外观表达能力不足的问题,提出一种将传统相关滤波算法与深度特征相结合的算法。首先,在特征提取方面,使用HOG特征,CN特征和深度特征进行加权融合,同时利用方差对深度特征进行筛选以及主成分分析法对CN特进行降维,减少特征提取的计算量,提高算法的运行速度;其次,针对目标遮挡问题进行细化分析,通过计算目标模板之间相关系数来对遮挡程度进行分类,对不同的遮挡程度分别使用不同的方法进行抗遮挡处理;最后,计算当前帧和历史帧的跟踪置信度,同时设定阈值,使得算法能自适应进行模型更新。我们在公开数据集上进行了对比实验,结果表明,所提算法在复杂场景下的精度和鲁棒性都有大幅度的提高。