公开(公告)号：CN113033356A

公开(公告)日：2021-06-25

申请号：CN202110265773.2

申请日：2021-03-11

Applicant: 大连海事大学

Inventor： 索继东 ,  王思鹏 ,  张伟红 ,  柳晓鸣 ,  陈晓楠

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种尺度自适应的长期相关性目标跟踪方法。首先，预处理第一帧图像，得到时间上下文回归模型Rc、目标外观回归模型Rt和检测器Drf。对于后续帧的跟踪，根据前一帧的目标位置创建搜索区域，并提取HOG特征，用以训练相关滤波器模板；进行平移估计，估计出当前帧的目标位置；然后，构建尺度池，自适应的估计出预测目标的最佳尺度，得到当前帧的目标状态；如果最大响应ys小于阈值τr，使用Drf执行重检测，更新目标的位置；接下来，更新Rc；如果最大响应ys大于阈值τa，更新Rt；然后，更新Drf；最后，得到当前帧预测的目标状态、Rc、Rt和Drf。重复以上步骤直到视频图像序列结束。本发明相比长期相关滤波(LCT)等算法提升了目标跟踪的性能，在多种复杂环境下鲁棒性更好。

公开(公告)号：CN113033356B

公开(公告)日：2023-10-17

申请号：CN202110265773.2

申请日：2021-03-11

Applicant: 大连海事大学

Inventor： 索继东 ,  王思鹏 ,  张伟红 ,  柳晓鸣 ,  陈晓楠

IPC: G06V20/40 ,  G06V10/50 ,  G06V10/764

Abstract: 本发明公开了一种尺度自适应的长期相关性目标跟踪方法。首先，预处理第一帧图像，得到时间上下文回归模型Rc、目标外观回归模型Rt和检测器Drf。对于后续帧的跟踪，根据前一帧的目标位置创建搜索区域，并提取HOG特征，用以训练相关滤波器模板；进行平移估计，估计出当前帧的目标位置；然后，构建尺度池，自适应的估计出预测目标的最佳尺度，得到当前帧的目标状态；如果最大响应ys小于阈值τr，使用Drf执行重检测，更新目标的位置；接下来，更新Rc；如果最大响应ys大于阈值τa，更新Rt；然后，更新Drf；最后，得到当前帧预测的目标状态、Rc、Rt和Drf。重复以上步骤直到视频图像序列结束。本发明相比长期相关滤波(LCT)等算法提升了目标跟踪的性能，在多种复杂环境下鲁棒性更好。