自适应模型的视觉跟踪算法

摘要

基于判别相关的滤波算法在计算机视觉跟踪领域的优势引起了极大的关注,高精度和鲁棒性是视觉目标跟踪的主要指标.目标对象通常会遇到复杂的情况,如快速运动和遮挡.将生成错误的跟踪信息,并将其传递到下一帧进行更新,信息将严重恶化整体跟踪模型.针对上述问题,论文提出了一种基于判别相关滤波器框架的精确模型自适应更新方法.利用判别相关滤波器生成的响应图的峰值作为动态阈值,与其PSR(峰值旁瓣比)得分进行比较,实现跟踪方法,然后将比较结果作为更新平移滤波器和尺度滤波器模型的判别条件.多个传统特征,如HOG、CN和HOI等特征自适应地融合在一起,以实现全面的特征表示,从而进一步改进跟踪性能.论文在OTB基准数据集上的跟踪器的性能.实验结果表明,该跟踪器在最先进的判别相关滤波器跟踪器上表现良好,以及更新验证了模型的自适应.