《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 设计应用 > 基于背景直方图的Staple目标跟踪算法
基于背景直方图的Staple目标跟踪算法
2021年电子技术应用第9期
孟令军，尚桠朝
中北大学 电子测试技术国防科技重点实验室，山西 太原030051
摘要： 针对Staple算法在由于相机运动出现模糊情况下跟踪精度下降的问题，提出一种基于背景权重直方图的改进Staple目标跟踪算法。首先，针对传统颜色直方图忽略空间性的问题，提出对直方图引入位置权重；其次，利用背景区域颜色直方图抑制背景信息对目标区域直方图的影响，提出引入背景权重直方图，并完成直方图分类器的构建。该算法在OTB2015测试集上与其他5个先进算法进行实验比较，结果表明在距离精度和成功率上总体效果相对Staple分别提升了3.7%和2%。
中圖分類號： TN98；TP391
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.201258
中文引用格式： 孟令軍，尚椏朝. 基于背景直方圖的Staple目標跟蹤算法[J].電子技術(shù)應(yīng)用，2021，47(9)：20-24，38.
英文引用格式： Meng Lingjun，Shang Yachao. Staple object tracking based on background-weight histogram[J]. Application of Electronic Technique，2021，47(9)：20-24，38.
Staple object tracking based on background-weight histogram
Meng Lingjun，Shang Yachao
Nationl Key Laboratory for Electronic Measurement Technology，North University of China，Taiyuan 030051，China
Abstract： Focusing on the problem that the tracking accuracy of Staple tracker is reduced due to blurring of camera motion, an improved Staple tracker base on background-weight histogram is proposed. Firstly, aiming at the problem of ignoring the spatiality of the traditional histogram, it is proposed to add position to the histogram. Furthermore, making full use of the color histogram of the background area，the influence of the background information on the histogram of the target area is suppressed，this paper proposes to introduce the background-weight histogram, and completes the construction of the histogram classifier. Experiment is made on OTB2015 benchmark for comparing the proposed tracker with other 5 state-of-the-art trackers. The results show that the proposed tracker has 3.7% and 2% improvement in distance accuracy and success rate respectively.
Key words : background-weight histogram；object tracking；Staple；motion blur；correlation filter

0 引言

    目標跟蹤作為計算機視覺的重要組成部分，在視頻監(jiān)控、軍事應(yīng)用、人機交互、無人駕駛[1]等領(lǐng)域都有廣泛的應(yīng)用。目標跟蹤算法利用首幀目標位置對目標進行建模，在后續(xù)幀實現(xiàn)目標位置的定位。由于在目標跟蹤過程中會出現(xiàn)目標遮擋、尺度變化、形變等，使得目標跟蹤的效果受到極大挑戰(zhàn)[2]。

    相關(guān)濾波作為目標跟蹤領(lǐng)域的一大熱點，受到廣大學(xué)者的廣泛關(guān)注[3]。2010年，Bolme提出的MOSSE算法首次將相關(guān)濾波應(yīng)用到目標跟蹤領(lǐng)域，獲得了每秒數(shù)百幀的運行速度和相當高的準確率[4]。Henriques提出CSK算法將循環(huán)矩陣應(yīng)用到相關(guān)濾波算法提升樣本的多樣性[5]。2014年，Hebroiques將單通道的灰度特征擴展到多通道的梯度直方圖(HOG)，并通過核技巧將特征映射到高維空間提出KCF算法[6]。Danelljan提出DSST算法引入尺度金字塔并訓(xùn)練一個一維相關(guān)濾波器來檢測目標的尺度[7]。Li等提出SAMF算法將梯度直方圖(HOG)和顏色名(CN)特征進行融合并實現(xiàn)多尺度檢測，有效提升跟蹤精度，在許多算法中均有應(yīng)用[8]。Bertinetto等人提出Staple算法將顏色直方圖分類器應(yīng)用到相關(guān)濾波，提升了跟蹤效果[9]。2019年，戴偉聰?shù)纫刖植棵舾兄狈綀D用于Staple算法的分類器，提出一種改進的Staple算法[10]。




本文詳細內(nèi)容請下載：http://ihrv.cn/resource/share/2000003738。




作者信息：

孟令軍，尚椏朝

(中北大學(xué) 電子測試技術(shù)國防科技重點實驗室，山西 太原030051)




wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容