在目标跟踪算法中,相关滤波近今几年来发展迅速,是研究的热点.相关滤波跟踪算法有速度快效果好等优点,但受限于传统手工特征对目标表达能力不足,仍然难以应对诸如形变、遮挡、模糊等情形[1].最近,卷积神经网络在诸多领域取得了极大的成功,研究人员将相关滤波与卷积特征结合,克服了传统手工特征缺少目标语义信息的缺点.为了有效处理目标外观变化,文中提出一种相关滤波运动目标跟踪算法.该算法将目标跟踪分为确定位置和估计尺度两个步骤.提取多层卷积特征并在每个卷积层上估计目标位置,通过固定权重将所有卷积层的结果融合来确定目标的最终位置;确定位置后通过提取目标多个尺度的方向梯度直方图(Histogram of Oriented Gradient,HOG)特征来估计目标的最佳尺度.在公开数据集中选取的20段视频中验证文中算法,并与4种运动目标跟踪算法进行比较.实验中数据表明,与次优的基于传统手工特征的DSST[2]算法相比,距离精度提高了48.9％,重叠精度提高了51.9％;与同样使用卷积特征的HCF[3]算法相比,距离精度提高了18.0％,重叠精度提高了25.0％.实验结果表明文中提出的算法较好克服了传统手工能力表达能力弱的缺点,性能优于使用手工特征的传统相关滤波跟踪算法,相比同样使用卷积特征的相关滤波算法也有提高.在目标发生遮挡,模糊等复杂情况下该算法能够准确跟踪目标.
展开▼
