0 引言
目标跟踪作为计算机视觉的重要组成部分,在视频监控、军事应用、人机交互、无人驾驶[1]等领域都有广泛的应用。目标跟踪算法利用首帧目标位置对目标进行建模,在后续帧实现目标位置的定位。由于在目标跟踪过程中会出现目标遮挡、尺度变化、形变等,使得目标跟踪的效果受到极大挑战[2]。
相关滤波作为目标跟踪领域的一大热点,受到广大学者的广泛关注[3]。2010年,Bolme提出的MOSSE算法首次将相关滤波应用到目标跟踪领域,获得了每秒数百帧的运行速度和相当高的准确率[4]。Henriques提出CSK算法将循环矩阵应用到相关滤波算法提升样本的多样性[5]。2014年,Hebroiques将单通道的灰度特征扩展到多通道的梯度直方图(HOG),并通过核技巧将特征映射到高维空间提出KCF算法[6]。Danelljan提出DSST算法引入尺度金字塔并训练一个一维相关滤波器来检测目标的尺度[7]。Li等提出SAMF算法将梯度直方图(HOG)和颜色名(CN)特征进行融合并实现多尺度检测,有效提升跟踪精度,在许多算法中均有应用[8]。Bertinetto等人提出Staple算法将颜色直方图分类器应用到相关滤波,提升了跟踪效果[9]。2019年,戴伟聪等引入局部敏感直方图用于Staple算法的分类器,提出一种改进的Staple算法[10]。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003738。
作者信息:
孟令军,尚桠朝
(中北大学 电子测试技术国防科技重点实验室,山西 太原030051)

凡《网络安全与数据治理》(原《信息技术与网络安全》)录用的文章,如作者没有关于汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权等版权的特殊声明,即视作该文章署名作者同意将该文章的汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权授予本刊,本刊有权授权本刊合作数据库、合作媒体等合作伙伴使用。同时,本刊支付的稿酬已包含上述使用的费用,特此声明。