一种利用最大间隔相关滤波的鲁棒目标跟踪算法

核相关跟踪通过相关滤波定位目标在图像中的位置,这种生成式滤波器方法容易受到与目标相似背景的干扰,导致跟踪失败。针对这一问题,通过最大分类间隔增强相关滤波器的判别性,将相似背景作为负样本对模型进行更新来提高跟踪的鲁棒性。该算法首先建立了基于最大间隔相关滤波器的目标跟踪模型,通过分类判别出与目标相似的背景;然后在跟踪过程中,将获得的相似背景作为负样本并对跟踪模型进行在线更新,适应目标在运动中的各种变化,最终实现对目标的鲁棒跟踪。在OTB2013和VOT2014数据库中选取了17个典型的图像序列进行实验,同时与6种相关跟踪算法的结果进行比较。实验结果表明,该算法在精确度和成功率这2个性能指标上, 相比于次优算法,在性能上分别提升8%和2%。 不仅取得了最好的跟踪效果。而且跟踪实时性较好。

Robust Object Tracking by Maximum Margin Correlation Filter