基于核相關濾器的實時單目標跟蹤算法研究.pdf

1、隨著科技水平的不斷提高、電子元器件的更新迭代，當今社會對智能化的社會要求越來越高，結合人工智能技術的前沿攝像頭也越來越多，技術水平的提高不僅便利了人們的日常生活，還是國家實力增強的證明。智能攝像頭中涉及到的一個重要的技術領域就是計算機視覺，計算機視覺是當前十分活躍的前沿領域，與人們的生活息息相關、緊密聯(lián)系。計算機視覺已經(jīng)廣泛應用于國家安全防護、交通智能監(jiān)控、無人車輛行駛、人機交互等各個領域，備受高校和企業(yè)單位關注。其中，目標跟蹤技術作為

2、計算機視覺領域的重要組成，也突顯出越來越重要的作用和應用場景。
　　當前在線目標跟蹤有很多優(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跟蹤算法并不多，Struck大約20幀每秒，TLD大約28幀每秒，僅僅達到普通攝像頭的實時要求?；诤讼嚓P濾波器的目標跟蹤算法能達到100多幀每秒，部分算法采用循環(huán)矩陣技巧構建分類器訓練樣本，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、算法的準確率，同時使用一種連續(xù)的標簽來標記樣本，即距離樣本中心目標近的標簽值趨于1，距離樣本中心目標遠的標簽值趨于0，有效的反應了每個負樣本的權重。大多數(shù)基于核相關濾波器的跟蹤算法會通過循環(huán)矩陣的性質，將分類器權重的求解問題由時域的卷積轉變到傅里葉域里進行點乘，借此避免算法在時間域中復雜的求逆運算，顯著提高運算效率。雖然核相關濾波器跟蹤算法在時間上優(yōu)于大多數(shù)主流算法，但是其仍然沒能解決目標跟蹤漂移、目標快速運動或者變速運動、尺度變化即光

4、照變化明顯等問題對目標跟蹤算法造成的干擾。
　　本文針對核相關濾波器跟蹤算法在目標快速運動、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，并設計了一種有效的異常判斷模型來改善漂移問題。文章對跟蹤目標的歷史狀態(tài)以漸忘的比例形式進行更新，同時加入差分狀態(tài)來提前預判環(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，進而來控制分類器的參數(shù)更新:首先對當前幀的跟蹤目標進行哈希編碼并保存，