基于时间区域稀疏相关滤波的分层特征融合追踪算法

作者:卫福源; 赵建伟
更新时间:

目的:利用不同层次的卷积网络提取分层特征,结合区域稀疏性解决特征引起的边界效应,提高基于相关滤波的跟踪算法的成功率和精度。方法:在分层卷积特征跟踪算法的基础上,利用稀疏性和峰旁瓣比,提出了一种基于时域稀疏滤波的分层特征融合跟踪算法。首先,该算法提出了一种时域稀疏相关滤波算法,该算法利用深度卷积网络提取的不同层次的特征来学习不同的相关滤波器。其次,学习相关滤波器用于确定下一帧图像的目标响应图。最后,根据峰值旁瓣比确定不同响应图的权重,得到融合响应图,从而确定目标的位置。结果:以准确度图和成功率图为评价标准,在标准数据集上与9种跟踪算法进行比较。实验结果表明,本文提出的跟踪算法在OTB100的成功率为0.685,准确率为0.834,比现有的一些流行算法具有更好的跟踪性能。结论:该算法利用区域稀疏性来忽略干扰特征,利用时间正则化项来学习前后帧相关滤波之间的关系,并采用一种新的响应图融合方法来提高跟踪算法的性能。