融合HOG類特征的尺度自適應壓縮跟蹤算法

景星爍， 鄒衛軍， 夏 婷， 李 超， 許 旭

(1.南京理工大學，南京 210094； 2.山東農業大學，山東 泰安 271018)

0 引言

目標跟蹤是在連續的圖像序列中估計目標的位置，需要面臨諸多困難，是一個具有挑戰性的難題。最初的研究算法主要是基于生成模型來進行跟蹤，如文獻[1-2]，但這些算法的魯棒性不是太高，計算量很大，不適合進行實時跟蹤。隨著目標跟蹤算法的進一步發展，基于判別模型[3]的跟蹤成為研究熱點。基于壓縮感知理論[4]的壓縮跟蹤算法[5]就是基于判別模型，通過生成一個稀疏的投影矩陣，然后將壓縮后的數據作為特征來進行分類，優點是簡單、高效；但該算法仍存在一些缺陷，如對光照比較敏感，而且不能適應目標尺度的變化。隨后，研究人員在壓縮跟蹤的基礎上也做了一些改進。文獻[6]以多個矩陣作為壓縮感知中的投影矩陣，將壓縮后的數據作為特征提取出跟蹤所需的多種特征，使算法能夠適應紋理和光照變化，但跟蹤框大小固定，所以不能夠適應目標尺度的變化。文獻[7]通過結構約束性采樣，獲取不同位置不同尺度的掃描窗，離線計算不同尺度下的稀疏隨機感知矩陣，并用于降維，解決了目標的基本姿態變化及尺度縮放的問題，但是沒有解決光照變化、遮擋等問題。

本文綜合考慮以上缺陷，提出了改進算法：分析了HOG類特征對光照的不敏感性，與Haar-like特征采用固定比值方式進行融合，并結合尺度估計相關濾波器[8]，尋找使濾波器得到最大響應的尺度，更新特征提取模板，從而實時地調整跟蹤窗口進行精確跟蹤。……