系统工程与电子技术

作者：方澄, 路稳, 姬菁颖, 宋玉蒙, 梁斐菲, 罗志伟

单位：中国民航大学电子信息与自动化学院, 天津 300300

关键词：目标跟踪,显著性检测,斯皮尔曼相关性,模型退化,模型更新

基金：中国民航大学科研启动基金(2017QD05S);中央高校基本科研业务费专项资金(3122018C005)

针对核相关滤波(kernel correlation filter, KCF)算法在目标旋转、形变等复杂环境中容易产生模型漂移的问题, 提出了一种基于KCF自适应更新的目标跟踪算法(adaptive updating target tracking algorithm based on KCF, AUKCF)。该方法首先对响应进行多峰判断, 然后针对多峰现象使用显著性检测进行目标的重新定位, 减少模型漂移。为了保证显著性检测的准确性, 使用重检测手段进行显著性检测结果的校准。最后, 使用斯皮尔曼相关性判断目标是否存在遮挡、严重形变等问题, 并根据斯皮尔曼相关性结果决定是否进行模型的更新, 减少模型退化, 提高更新效率。在目标跟踪数据集OTB2015上进行测试, 实验结果表明, AUKCF相比KCF算法的精度和成功率分别提高14%和11.8%, 并且AUKCF算法比目前流行的深度学习算法更加简洁, 对设备性能要求更低, 算法实时性可以达到93.84 fps。

来源：2022年第1期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第1期