基于相关滤波的目标快速跟踪算法研究

现代电子技术Modern Electronics Technique 2018年1月15日第41卷第2期Jan.2018Vol.41No.2DOI ：10.16652/j.issn.1004-373x.2018.02.0060引言目标跟踪是计算机视觉领域里最热门的研究课题之一，它和人们的生活密切相关，如视频监控、人机交互、智能汽车等。尤其是在最近两三年目标跟踪方法发展非常迅速，而且进步非常明显，但是由于目标场景相

对复杂，特别是光照突变、目标部分或者全部遮挡以及

目标大尺度形变等情况存在，目前常见的目标跟踪方法

要实现精确的目标跟踪仍然非常困难[1-2]。总结目前常

用的目标跟踪方法，可以大致归结为生成式方法和判别

式方法，而最近研究的核心就是基于判别式实现的跟踪

方法，判别式跟踪方法的本质是把目标跟踪问题看成是基于相关滤波的目标快速跟踪算法研究

林海涛，钟海俊，王斌，窦高奇

（海军工程大学电子工程学院，湖北武汉

430033）摘要：在实现高精确度和快速的目标跟踪过程中，相关滤波是一个非常好的选择，但是目前所有的相关滤波跟踪方法仍然无法解决遮挡和光照变化等因素造成的干扰。因此，在传统核相关滤波器（KCF ）的基础上，提出多特征图核相关滤波器（MKCF ）的目标快速跟踪方法。首先，由初始化目标区域生成多个特征图，并通过对正则化最小二乘（RLS ）分类器学习获得位置和尺度核相关滤波器（KCF ）；然后，随机选取一个特征图，寻找位置和尺度KCF 输出响应的最大值，完成目标位置和尺度的检测；最后，随机选择需要在线更新的目标模型。经过试验测试，对比KCF ，MKCF 的平均中心位置误差（CLE ）减少了5像素，平均成功率（SR ）提高了10.9%，平均距离精度提高了6.7%；MKCF 在目标发生尺度变化、光照变化、形态变化、目标遮挡、轻度旋转及快速运动等复杂情况下均有较强的适应性，具有重要的理论和应用研究价值。

关键词：视觉目标跟踪；相关滤波器；多特征图；平均成功率；分类器；中心位置误差

中图分类号：TN911-34；TP391文献标识码：A 文章编号：1004-373X （2018）02-0021-05

Research on target fast tracking algorithm based on correlation filtering

LIN Haitao ，ZHONG Haijun ，WANG Bin ，DOU Gaoqi

（School of Electronic Engineering ，Naval University of Engineering ，Wuhan 430033，China ）Abstract ：Correlation filtering is a very good choice to achieve fast target tracking with high accuracy ，but currently all the correlation filtering tracking methods are still unable to eliminate the interference caused by factors such as occlusion and illumi-nation change.Therefore ，a fast target tracking method using the multi-feature graph kernel correlation filter （MKCF ）is pro-posed on the basis of the traditional kernel correlation filter （KCF ）.First ，multiple feature graphs are generated by initializing the target area ，and the location and scale KCF are obtained by means of studying the regularized least squares classifier.Second ，a feature graph is randomly selected to look for the maximum output response value for the position and scale KCF ，and complete the location and scale detection of the target.Finally ，the target model that needs to be updated on line is random-ly selected.The experiment was carried https://www.360docs.net/doc/d513294673.html,pared with KCF ，the average center location error （CLE ）of MKCF reduces 5pixels ，the average success rate （SR ）is increased by 10.9%，and the average distance accuracy is increased by 6.7%.MKCF has strong adaptability in complex conditions when the scale ，illumination and form changes ，as well as target occlusion ，slight rotation and fast motion occur.It has important value in theory and application research.

Keywords ：visual target tracking ；correlation filter ；multi-feature graph ；average success rate ；classifier ；center location error 收稿日期：2017-04-13修回日期：2017-06-15

基金项目：国家自然科学基金青年项目：基于叠加训练序列的时变信道估计及预编码信号分离策略研究（61302099）

Youth Project Supported by National Natural Science Foundation of China ：Research on Time-Varying Channels′Estimation Based on Overlapping Training Sequences and Pre-coded Signals′Separation Strategy （61302099）

万方数据