热红外图像序列中基于KCF和Mean-Shift定位的目标跟踪方法

摘要

针对热红外图像低信噪比(SNR)特性,提出了一种判别式热红外目标跟踪方法。首先,通过自适应组合核化相关滤波器(KCF)来获取目标位置,使用最有区别的特征集梯度和信道编码强度特征训练滤波器;然后,将经过训练的滤波器与感兴趣区域相关联,并将输出响应自适应地组合在一起,基于峰值定位目标。使用AdaBoost分类器对包含目标像素和背景像素的图像块进行训练,以分割连续帧中的对象;最后,通过Mean-Shift均值漂移算法寻找峰值以获得最优位置。对LTIR数据集中13个具有挑战性的红外视频进行了实验,结果显示提出的跟踪器在平均中心位置误差、距离精度和重叠精度等方面均优于其他跟踪器。