多特征融合和尺度估計的戰(zhàn)斗機跟蹤算法研究

王倩楠， 李東興， 杜文漢， 鐘 欣， 常君杰

(山東理工大學(xué)機械工程學(xué)院，山東 淄博 255000)

0 引言

目標跟蹤技術(shù)可以理解為對視頻中的目標進行定位和跟蹤，并在后續(xù)視頻幀中提供完整的目標區(qū)域。近些年來，目標跟蹤算法的發(fā)展十分迅速，然而在對背景復(fù)雜的目標，尤其是對執(zhí)行空戰(zhàn)、對地打擊作戰(zhàn)等復(fù)雜任務(wù)的戰(zhàn)斗機進行跟蹤時，由于戰(zhàn)斗機尺度變化、背景遮擋以及圖像模糊等干擾的影響，對戰(zhàn)斗機進行實時且準確的定位與跟蹤仍是十分嚴峻的挑戰(zhàn)。

BOLME等[1]在目標跟蹤領(lǐng)域內(nèi)最早應(yīng)用了相關(guān)濾波算法，提出了最小均方誤差和濾波器(Minimum Output Sum of Squared Error，MOSSE)算法，提取目標的灰度特征來進行目標跟蹤，此算法的跟蹤速率高，但準確性不夠。基于MOSSE算法，HENRIQUES 等[2]引入了采用循環(huán)矩陣進行稠密采樣和核技巧的核循環(huán)結(jié)構(gòu)(Circulant Structure of tracking-by-detection with Kernel,CSK)算法;不久,高魯棒性、高速度的核相關(guān)濾波(Kernel Correlation Filters，KCF)算法[3]也被提出，它通過提取方向梯度直方圖特征(Histogram of Oriented Gradient,HOG)進行跟蹤，該特征為多通道特征。DANELLJAN等[4]在以往算法的基礎(chǔ)上增加了尺度濾波提出了跟蹤器(Discriminative Scale Space Tracking，DSST)算法，首先，提出了分別建立平移檢測模型和尺度檢測模型，使其各自進行訓(xùn)練和優(yōu)化的方法;之后，又提出顏色名(Color Name，CN)跟蹤算法[5]，該算法對顏色特征的鑒別能力較強，然而,若是目標被遮擋，也會發(fā)生跟蹤漂移的情況。

為了避免上述傳統(tǒng)算法存在的問題，提高對目標戰(zhàn)斗機跟蹤的魯棒性，本文基于核相關(guān)濾波算法提出了一種將多個特征進行融合[6-8]的改進算法，特征為傳統(tǒng)特征與卷積深度特征，傳統(tǒng)特征包含CN顏色名特征以及LBP紋理特征[9],同時,在對戰(zhàn)斗機的尺度變化情況進行估計時，提出采用尺度濾波器。……