基于背景直方圖的Staple目標跟蹤算法
2021年電子技術應用第9期
孟令軍，尚椏朝
中北大學 電子測試技術國防科技重點實驗室，山西 太原030051
摘要： 針對Staple算法在由于相機運動出現模糊情況下跟蹤精度下降的問題，提出一種基于背景權重直方圖的改進Staple目標跟蹤算法。首先，針對傳統顏色直方圖忽略空間性的問題，提出對直方圖引入位置權重；其次，利用背景區域顏色直方圖抑制背景信息對目標區域直方圖的影響，提出引入背景權重直方圖，并完成直方圖分類器的構建。該算法在OTB2015測試集上與其他5個先進算法進行實驗比較，結果表明在距離精度和成功率上總體效果相對Staple分別提升了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].電子技術應用，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.
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].電子技術應用，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，在視頻監控、軍事應用、人機交互、無人駕駛[1]等領域都有廣泛的應用。目標跟蹤算法利用首幀目標位置對目標進行建模，在后續幀實現目標位置的定位。由于在目標跟蹤過程中會出現目標遮擋、尺度變化、形變等，使得目標跟蹤的效果受到極大挑戰[2]。
相關濾波作為目標跟蹤領域的一大熱點，受到廣大學者的廣泛關注[3]。2010年，Bolme提出的MOSSE算法首次將相關濾波應用到目標跟蹤領域，獲得了每秒數百幀的運行速度和相當高的準確率[4]。Henriques提出CSK算法將循環矩陣應用到相關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練一個一維相關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多尺度檢測，有效提升跟蹤精度，在許多算法中均有應用[8]。Bertinetto等人提出Staple算法將顏色直方圖分類器應用到相關濾波，提升了跟蹤效果[9]。2019年，戴偉聰等引入局部敏感直方圖用于Staple算法的分類器，提出一種改進的Staple算法[10]。
本文詳細內容請下載：http://www.cowatch.cn/resource/share/2000003738。
作者信息：
孟令軍，尚椏朝
(中北大學 電子測試技術國防科技重點實驗室，山西 太原030051)
此內容為AET網站原創，未經授權禁止轉載。