基于核相關(guān)濾器的實(shí)時(shí)單目標(biāo)跟蹤算法研究.pdf

1、隨著科技水平的不斷提高、電子元器件的更新迭代，當(dāng)今社會(huì)對(duì)智能化的社會(huì)要求越來越高，結(jié)合人工智能技術(shù)的前沿?cái)z像頭也越來越多，技術(shù)水平的提高不僅便利了人們的日常生活，還是國家實(shí)力增強(qiáng)的證明。智能攝像頭中涉及到的一個(gè)重要的技術(shù)領(lǐng)域就是計(jì)算機(jī)視覺，計(jì)算機(jī)視覺是當(dāng)前十分活躍的前沿領(lǐng)域，與人們的生活息息相關(guān)、緊密聯(lián)系。計(jì)算機(jī)視覺已經(jīng)廣泛應(yīng)用于國家安全防護(hù)、交通智能監(jiān)控、無人車輛行駛、人機(jī)交互等各個(gè)領(lǐng)域，備受高校和企業(yè)單位關(guān)注。其中，目標(biāo)跟蹤技術(shù)作為

2、計(jì)算機(jī)視覺領(lǐng)域的重要組成，也突顯出越來越重要的作用和應(yīng)用場(chǎng)景。
　　當(dāng)前在線目標(biāo)跟蹤有很多優(yōu)秀的算法，比如TLD、Struck、CT等，但是跟蹤快速且效果很好的目標(biāo)跟蹤算法并不多，Struck大約20幀每秒，TLD大約28幀每秒，僅僅達(dá)到普通攝像頭的實(shí)時(shí)要求?；诤讼嚓P(guān)濾波器的目標(biāo)跟蹤算法能達(dá)到100多幀每秒，部分算法采用循環(huán)矩陣技巧構(gòu)建分類器訓(xùn)練樣本，把樣本的數(shù)據(jù)矩陣變成循環(huán)矩陣，這樣的樣本采樣方式大大的增加了樣本的數(shù)量，提高了

3、算法的準(zhǔn)確率，同時(shí)使用一種連續(xù)的標(biāo)簽來標(biāo)記樣本，即距離樣本中心目標(biāo)近的標(biāo)簽值趨于1，距離樣本中心目標(biāo)遠(yuǎn)的標(biāo)簽值趨于0，有效的反應(yīng)了每個(gè)負(fù)樣本的權(quán)重。大多數(shù)基于核相關(guān)濾波器的跟蹤算法會(huì)通過循環(huán)矩陣的性質(zhì)，將分類器權(quán)重的求解問題由時(shí)域的卷積轉(zhuǎn)變到傅里葉域里進(jìn)行點(diǎn)乘，借此避免算法在時(shí)間域中復(fù)雜的求逆運(yùn)算，顯著提高運(yùn)算效率。雖然核相關(guān)濾波器跟蹤算法在時(shí)間上優(yōu)于大多數(shù)主流算法，但是其仍然沒能解決目標(biāo)跟蹤漂移、目標(biāo)快速運(yùn)動(dòng)或者變速運(yùn)動(dòng)、尺度變化即光

4、照變化明顯等問題對(duì)目標(biāo)跟蹤算法造成的干擾。
　　本文針對(duì)核相關(guān)濾波器跟蹤算法在目標(biāo)快速運(yùn)動(dòng)、尺度變化及光照較暗情況下跟蹤性能降低的問題，提出了一種基于比例、積分、微分控制器的在線更新算法，并設(shè)計(jì)了一種有效的異常判斷模型來改善漂移問題。文章對(duì)跟蹤目標(biāo)的歷史狀態(tài)以漸忘的比例形式進(jìn)行更新，同時(shí)加入差分狀態(tài)來提前預(yù)判環(huán)境變化，并且利用感知哈希編碼匹配來判斷跟蹤是否出錯(cuò)，進(jìn)而來控制分類器的參數(shù)更新:首先對(duì)當(dāng)前幀的跟蹤目標(biāo)進(jìn)行哈希編碼并保存，