运动模型引导的自适应核相关目标跟踪方法

摘要

针对小型移动机器人对人体目标快速运动或遮挡导致的跟踪准确率降低甚至跟踪失败问题,通过建立足部运动模型预测双脚位置信息,获得核相关滤波(KCF,Kernel Correlation Filter)目标检测区域,再结合输出响应峰值邻域相关检测,提出了运动模型引导的自适应核相关滤波算法.对实际拍摄的七组不同情况下的视频进行了足部目标跟踪实验,结果表明运动模型引导的自适应响应KCF算法平均跟踪准确率最高,且在短时间遮挡情况下的算法跟踪准确率也达到86％,明显高于自适应响应KCF、BACF(Background Aware Correlation Filters)以及SAMF(Scale Adaptive kernel cor-relation filters with Multiple Features)三种跟踪算法.最后在ROS(Robot Operating System)下将所提算法应用于Turtlebot机器人目标跟踪测试,成功克服了遮挡情况对足部跟踪带来的影响,验证了所提算法具有较强的鲁棒性和实时性.