基于深度信息的核相關(guān)性濾波跟蹤算法研究.pdf

1、視覺目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域的重要研究課題。為了處理各種復(fù)雜的跟蹤場景，達(dá)到較好的跟蹤效果，現(xiàn)在越來越多的跟蹤算法將跟蹤與目標(biāo)檢測相結(jié)合。而深度信息不僅可以有效處理目標(biāo)的大面積遮擋問題，同時由于其在采集的過程中變得越來越簡單，使得其在視覺跟蹤領(lǐng)域中變得越發(fā)重要。如今大部分跟蹤算法多把深度信息作為輔助信息來判斷遮擋，并沒有充分利用深度信息的作用。近些年來，核相關(guān)性濾波判別式跟蹤算法（Kernelized Correlation Filte

2、rs，KCF）表現(xiàn)得尤為突出，然而當(dāng)目標(biāo)發(fā)生大面積遮擋和較為嚴(yán)重的目標(biāo)形變等跟蹤場景時，該算法的性能卻大大降低了?；贙CF在此方面的不足提出了基于深度信息的核相關(guān)性濾波器跟蹤算法（Research Depth-information Based of Kernelized Correlation Filters Tracking Algorithm，DKCF）。
　　分析了在加入深度信息后對跟蹤算法的影響。當(dāng)前的跟蹤算法大部分是

3、在二維的圖像中提取特征信息，并不能表明目標(biāo)在場景中的實(shí)際位置，缺乏目標(biāo)的空間信息。通過引入深度信息，能準(zhǔn)確的提取目標(biāo)的相對位置，較好的區(qū)分目標(biāo)和非目標(biāo)。通過引入深度圖序列，利用當(dāng)前幀的KCF最大響應(yīng)點(diǎn)對應(yīng)深度圖的相應(yīng)位置，以此位置計算得到深度圖搜索區(qū)的置信圖，然后采用高斯采樣方法，計算每一個樣本點(diǎn)目標(biāo)區(qū)域大小的概率和，選取概率和最大的點(diǎn)與當(dāng)前幀的KCF最大響應(yīng)點(diǎn)進(jìn)行融合，得到當(dāng)前幀最終的跟蹤目標(biāo)坐標(biāo)。通過不斷的更新目標(biāo)區(qū)的深度值和KCF