一种无人机航拍目标的长期跟踪算法

摘要

针对无人机在航拍目标跟踪的复杂场景过程中,运动目标可能会被遮挡或不确定跟踪,导致视觉模型出现逐渐损坏、漂移和不可逆转失败等问题,提出了一种无人机航拍目标的长期跟踪算法.首先,进行互补分类器多特征自适应融合设计,在贝叶斯分类器中采用颜色直方图特征,在相关滤波器中采用方向梯度直方图、灰度以及颜色名特征;结合多种特征的优点,构建目标鲁棒性的外观以适应复杂场景.然后,在相关滤波器中加入自适应时空正则化项.在空间正则化参数中引入局部变化,实现学习时限制像素可信度较低的滤波器;而在时间正则化中,根据全局响应自适应地调整滤波器的学习,并用初始滤波器约束更新范围,这样在缓解边界效应的同时,有效防止滤波器退化.最后,在上述基础上,加入重检测模块,使得跟踪过程更加准确.实验结果表明,本文算法可以适应无人机航拍的复杂场景,缓解边界效应和防止滤波器退化.与同类主流算法相比,在目标经历严重遮挡、移出视野等情况后,仍然满足实时性需要,获得了较好的跟踪效果.