计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (8): 157-163.DOI: 10.3778/j.issn.1002-8331.1801-0020
吴 刚1,2,曾晓勤2,王池社1,苏守宝1
WU Gang1,2, ZENG Xiaoqin2, WANG Chishe1, SU Shoubao1
摘要: 针对采用相关滤波的判别式目标跟踪遇到的瓶颈问题:由于目标快速移动引起边界效应,使得相关滤波器在学习与更新过程中可能会引入错误,最终错误的累积将导致跟踪失败。在采集深度学习特征与样本相似性度量的基础上,提出一种引入交替方向乘子方法的改进相关滤波目标跟踪算法,选择DCNN深度特征有效地表征待跟踪目标的初始状态,通过在线分类过程中样本相似性比对与半监督学习,辅助解决相关滤波器在学习过程中存在的自学习问题。所提目标跟踪算法特别适合训练样本为持续获得的、同时存储空间较小的机器学习过程,提高目标在快速运动与部分遮挡等复杂情况下的跟踪成功率,针对VOT2016标准测试视频的实验表明:当目标面临快速运动时,对比CN、SAMF、STC算法,所提DA-CFT跟踪算法将跟踪成功率分别由60.4%~73.4%、67.2%~82.9%、80.9%~88.1%提升至85.6%~91.0%。