基于在线检测与尺度自适应的相关滤波追踪

简介：
本研究提出一种结合在线检测和尺度自适应机制的相关滤波目标跟踪算法，旨在提高复杂场景下的跟踪精度与鲁棒性。 为解决相关滤波跟踪在面对遮挡及目标尺度变化等情况下的失败问题, 我们提出了一种结合在线检测与尺度自适应的相关滤波追踪算法。该方法利用方向梯度直方图特征、颜色属性特征以及光照不变特性来定位目标；通过局部稀疏表示模型的重构残差进行遮挡判断，一旦发生遮挡，则采用在线支持向量机检测以实现目标重定位；此外还设计了由粗至精的尺度估计过程, 通过先做预估后用牛顿迭代法精确计算出目标的实际尺寸。算法采用了均衡化的更新策略：固定频率地更新相关滤波器，而稀疏表示模型和支持向量机则采取更为保守的方式进行更新。实验结果显示，与现有的追踪方法相比，本算法能有效减少遮挡和尺度变化等复杂因素的影响，在50个测试序列中表现出较高的距离精度及成功率，并且整体性能优于对比的其他算法。