尺度自適應彈載目標跟蹤方法對比研究*

王曙光，石勝斌，楊傳棟

(陸軍炮兵防空兵學院，合肥 230031)

0 引言

隨著精確制導武器在現(xiàn)代戰(zhàn)爭中的廣泛使用，圖像制導技術逐漸成為導航與制導領域的研究熱點[1]，目標跟蹤技術作為其關鍵環(huán)節(jié)，相關的研究也在不斷深入。

基于圖像制導的目標跟蹤基本過程為：攝像頭實時攝取(包括目標圖像在內(nèi))景物空間圖像，系統(tǒng)經(jīng)分析處理后，逐場或逐幀計算出目標圖像形心或矩心及相關匹配點坐標相對于坐標原點的偏離量，并逐場或逐幀輸送給伺服系統(tǒng)。在運動的過程中，目標可能會呈現(xiàn)一些圖像上的變化，比如姿態(tài)或形狀的變化、尺度的變化、背景遮擋或光線亮度的變化等，給目標跟蹤帶來不利影響。目標跟蹤算法的研究也圍繞著解決這些問題而展開。

由于導彈在目標跟蹤過程中，導彈與目標的距離不斷發(fā)生變化，目標在視野中的尺寸大小勢必會發(fā)生變化，若目標尺度擴大，由于跟蹤框未能及時隨之增大，跟蹤器僅能得到目標的部分紋理信息；反之若目標尺度變小，則跟蹤器中會引入過多的背景信息，這兩種情況都會導致漂移而造成跟蹤失敗。與此同時彈載平臺的目標跟蹤需滿足實時性要求，因此相關目標跟蹤算法應具有較高的運算速度。

文中基于KCF算法，采用尺度池以及尺度濾波器兩種方法分別對原算法進行改進，減少了對尺度變化目標的模型飄移程度，使得跟蹤精度得到明顯提高，同時對比了兩種改進算法。

1 核化相關濾波器

KCF算法[2]全稱為核化相關濾波算法，該算法利用循環(huán)矩陣在目標區(qū)域進行循環(huán)位移構造大量樣本，解決了目標跟蹤過程中訓練樣本過少的問題，同時利用循環(huán)矩陣對角化的性質使得計算大大簡化。將線性空間的脊回歸函數(shù)通過高斯核函數(shù)映射到非線性空間，并同樣可以利用循環(huán)矩陣的性質簡化計算，因此該算法具有較高的跟蹤速度以及較好的跟蹤精度。其基本流程如圖1所示[2]。

圖1 KCF跟蹤流程

問題可以表示為：f(z)=wTz

利用脊回歸的方法，其優(yōu)化函數(shù)可由最小二乘以及正則項組成：

minw∑i(f(xi)-yi)2+λ‖w‖2

(1)

若直接求解可得：

w=(XTX+λI)-1XTy

(2)

由于共軛以及求逆的計算量較大，故引入核函數(shù)將問題簡化為：

α=(K+λI)-1y

(3)

利用循環(huán)矩陣有關性質，將訓練過程進一步簡化為：

(4)

式中：符號^表示復域的計算，由此即可用此濾波器來對輸入圖像進行相關性檢測得到跟蹤結果，用公式表示為：

(5)

文中采用模擬實驗的方法，利用沙盤模擬戰(zhàn)場環(huán)境，使用無人機系掛攝像機模擬彈載攝像頭采集視頻跟蹤數(shù)據(jù)。在MATLAB平臺上利用相關算法進行模擬跟蹤實驗，通過手動標注第一幀圖像中的目標位置，觀察記錄相關濾波跟蹤器在之后每一幀中的跟蹤效果，實驗結果如圖2所示，可見在第一幀標定目標位置后，跟蹤器在后續(xù)幀對目標進行跟蹤，但在目標發(fā)生尺度變化時，跟蹤框大小沒有隨之調整,有些情況下甚至發(fā)生了漂移。

圖2 KCF跟蹤效果

2 尺度自適應

由于KCF采用單一尺度，當目標發(fā)生尺度變換會導致精度降低，本節(jié)采取兩種不同的尺度自適應策略對KCF跟蹤器進行改進。

2.1 尺度濾波器

尺度濾波器[3]與位置濾波器相對獨立，即通過KCF濾波器得到目標的位置信息，此時目標尺度仍為前一幀的尺度；對于目標的尺度變化，采取單獨訓練尺度濾波器的方法，即以當前幀的中心位置為基準，獲得不同尺度的候選框，并分別提取特征，通過相關濾波計算最匹配的尺度。考慮到相鄰幀目標的尺寸通常不會突變[4]，故本算法中目標樣本框尺寸的選擇原則為：

(6)

式中，a為尺度因子，本算法中取a=1.02；H、W分別為前一幀中目標的高和寬；S為尺度數(shù)。由式(6)可知尺度的選擇不是線性的，而是越接近上一幀目標框的尺寸選擇步長越小，反之越大。即是一種由細到粗的比較過程。實驗結果如圖3所示，可見隨著目標尺度變化，跟蹤模型也隨之調整，能夠保證在獲取目標完整信息的同時引入較少的背景信息，一定程度上達到了制度自適應的效果。

2.2 尺度池

尺度池[5]的策略很簡單，就是在確定目標區(qū)域時對初始目標做若干個尺度的縮放，經(jīng)相關濾波器得到對應響應值，最大響應值所對應的尺度即為此時目標尺度。算法過程如圖4所示。

圖3 KCF+尺度濾波器跟蹤效果

圖4 尺度池方法示意圖

由于導彈打擊過程中，視場中目標尺度多為逐漸變大，并且要兼顧實時性要求，故本實驗中所采用的尺度池為S={0.995，1.000，1.005，1.010，1.015，1.020，1.025}7個尺度，實驗結果如圖5所示。可見隨著目標尺度變化，跟蹤框大小也隨之調整，因此取得了更好的效果。

圖5 KCF+尺度池跟蹤效果

3 對比實驗

本實驗中，將KCF、KCF+尺度濾波器(簡稱為scale1)、KCF+尺度池(簡稱為scale2)3種算法進行對比實驗，選取目標跟蹤測試集OTB50[6]中具有尺度變化的28個圖片序列進行測試，進而得到3種算法的精度圖、成功率圖以及運行速度。

實驗結果如圖6、表1所示。

圖6 OTB50尺度變化測試結果

表1 算法運行速度對比

濾波器尺度自適應方式跟蹤速度/(幀/s)KCF無161scale1尺度濾波器43scale2尺度池85

通過實驗發(fā)現(xiàn)，當中心誤差閾值為20像素時，scale1、scale2方法精度較KCF分別提升了0.9%、7.5%；當重合率閾值為0.5時，成功率較KCF分別提升了27.6%、4.8%，均有比較明顯的提升。加入尺度池的方法由于計算較為簡單，故相比于結合尺度濾波器的方法，具有更高的運行速度。

4 小結

在應對彈載視頻目標跟蹤中尺度變化的問題時，采用尺度自適應方法對跟蹤效果有明顯提升。尺度濾波器方式精度最高但計算量較大，需對其尺度空間結構做進一步的優(yōu)化；采用尺度池的方式運算速度較快，由于導彈運動規(guī)律可循，故可以結合彈目運動關系，有針對性地調整尺度池中的尺度參數(shù)，使該算法能夠達到兼顧實時性與跟蹤精度的目的。