基于記憶模型的相關(guān)濾波目標(biāo)跟蹤

徐 曼, 田秀霞

(上海電力大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院, 上海 200090)

視覺目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域一個重要的研究方向。隨著計算機(jī)計算能力的提升、攝像設(shè)備的普及和數(shù)據(jù)存儲成本的下降,視覺目標(biāo)跟蹤廣泛應(yīng)用于移動識別、智能視頻監(jiān)控、視頻索引、人機(jī)交互、交通管理和視覺導(dǎo)航等領(lǐng)域。

基于相關(guān)濾波器的目標(biāo)跟蹤算法將空域中復(fù)雜的卷積運(yùn)算轉(zhuǎn)換到頻域中完成,時間復(fù)雜度極低,具有很高的跟蹤效率和魯棒性,近年來逐漸成為實現(xiàn)實時目標(biāo)跟蹤的主流技術(shù)[1]。文獻(xiàn)[2]在MOSSE濾波器中引入核方法,實現(xiàn)了非線性分類;文獻(xiàn)[3]在文獻(xiàn)[2]提出的核化相關(guān)濾波方法的基礎(chǔ)上,提出了多特征融合的方法,將方向梯度特征、局部二值模式特征和灰度特征進(jìn)行融合,形成了新的特征表達(dá);文獻(xiàn)[4]引入顏色屬性值,增強(qiáng)了像素的描述能力;文獻(xiàn)[5-6]加入尺度控制,提高了算法對目標(biāo)尺度變化的魯棒性;文獻(xiàn)[7-9]引入深度學(xué)習(xí),對深度學(xué)習(xí)特征做相關(guān)濾波,將特征從人工選定特征擴(kuò)充到了深度學(xué)習(xí)特征;文獻(xiàn)[10]采用連續(xù)濾波器進(jìn)行目標(biāo)跟蹤;文獻(xiàn)[11]針對文獻(xiàn)[10]存在的過擬合和采樣存儲問題,使用少量的濾波器參數(shù)替代原來大量的過濾器參數(shù),并結(jié)合高斯混合模型減少了存儲的樣本數(shù)量,保持了樣本的差異性;文獻(xiàn)[12]在文獻(xiàn)[11]的基礎(chǔ)上引入了穩(wěn)定性概念,對濾波器的每一部分引入一個權(quán)值,由此決定是否使用其進(jìn)行跟蹤,通過構(gòu)造一個濾波器大小相同的矩陣,在使用濾波器前與之相乘,最終使得濾波器不可靠部分?jǐn)?shù)值較小,從而提升了跟蹤精度?！?br>