基于核相關(guān)濾波的高速目標(biāo)跟蹤算法研究與系統(tǒng)實(shí)現(xiàn).pdf

1、視頻中的目標(biāo)跟蹤技術(shù)是機(jī)器視覺領(lǐng)域中的一個熱點(diǎn)問題，其主要任務(wù)是在視頻序列中獲取感興趣目標(biāo)的運(yùn)動軌跡，在視頻檢索、人機(jī)交互、自動化監(jiān)控和國防作戰(zhàn)中有著重要意義。
　　目標(biāo)跟蹤算法的性能一般由跟蹤精度（準(zhǔn)確率）和跟蹤速度（幀率）來評價，在軍事應(yīng)用中，對高速移動的軍事目標(biāo)進(jìn)行跟蹤，尤其要滿足高幀率的要求。基于核相關(guān)濾波的跟蹤算法KCF（Kernelized Correlation Filters）的一個主要特點(diǎn)就是跟蹤速度快、幀率高，

2、本文主要對該算法進(jìn)行優(yōu)化和實(shí)現(xiàn)。
　　KCF算法利用循環(huán)偏移構(gòu)建分類器的訓(xùn)練樣本，利用循環(huán)矩陣的特性把問題的求解變換到了傅里葉域，避免了矩陣求逆，大大降低了算法復(fù)雜度，獲得了較高的跟蹤速度。然而KCF算法中仍存在一些缺陷，如無法適應(yīng)目標(biāo)尺度變化、缺少應(yīng)對目標(biāo)丟失的策略等。本文針對KCF算法的缺點(diǎn)進(jìn)行了優(yōu)化，并基于改進(jìn)的算法搭建了高速目標(biāo)跟蹤系統(tǒng)，用C++和OpenCV將KCF算法應(yīng)用到該系統(tǒng)中，取得了良好的跟蹤性能。
　　本

3、文的主要工作有以下幾個方面：
　　(1)針對KCF算法中無法應(yīng)對目標(biāo)丟失情況的問題，提出了一種優(yōu)化算法：利用不同幀間響應(yīng)值之間的關(guān)系，判定目標(biāo)丟失的情況；并依次采用幀差法、K-Means、幀間響應(yīng)值等算法進(jìn)行目標(biāo)的再次檢測。
　　實(shí)驗(yàn)選取了KCF算法對Wu等人在CVPR2013提出的Benchmark的50個視頻中存在目標(biāo)丟失情況的9個典型視頻，將改進(jìn)后的算法進(jìn)行了測試，平均跟蹤精度由原來的49％提高到了66％，在該類場景下

4、跟蹤精度明顯提升。
　　(2)針對KCF算法未對HOG特征進(jìn)行參數(shù)優(yōu)化的問題，分析對比了HOG特征的不同參數(shù)對跟蹤性能的影響，通過實(shí)驗(yàn)選取優(yōu)化參數(shù)。優(yōu)化后的算法在線性核下的準(zhǔn)確率提高了1％，幀率提高了50％；高斯核下準(zhǔn)確率提高了2％，幀率提高了65％，較原算法有了明顯提升。
　　(3)基于優(yōu)化的KCF算法搭建了高速目標(biāo)跟蹤系統(tǒng)，介紹了系統(tǒng)的搭建及軟件設(shè)計(jì)。以Benchmark中的50個視頻的測試基準(zhǔn)，該跟蹤系統(tǒng)的平均準(zhǔn)確率達(dá)