类残差更新策略的核相关滤波目标跟踪

摘要

针对相关滤波类目标跟踪算法存在的两个问题,提出了结合特征融合与类残差更新策略的核相关滤波实时目标跟踪算法。首先,为了解决相关滤波目标跟踪算法中使用相同系数结合不同种类特征的问题,根据平均相关峰值能量提出一种自适应特征融合的背景感知相关滤波器;其次,将特征融合的背景感知相关滤波器与贝叶斯分类器通过集成学习整合成一个强跟踪器;最后,针对相关滤波器使用高风险的更新策略的情况,提出类残差的更新策略与基于阶跃函数的学习率更新跟踪模型以降低跟踪模型漂移的风险。将该算法在OTB2013与TC128测试集上与其他9个先进的算法进行了比较,实验结果表明,该算法在OTB2013数据集中的精确度与成功率分别为0.875和0.652,排名第一,具有很好的鲁棒性。