針對地面戰(zhàn)場環(huán)境下相似背景對目標(biāo)跟蹤器產(chǎn)生的干擾,提出了一種基于相關(guān)濾波與改進顏色概率模型的目標(biāo)跟蹤算法。首先,在傳統(tǒng)顏色概率模型的基礎(chǔ)上,利用前景目標(biāo)直方圖與背景直方圖的差異性提出了一種突出前景的顏色概率模型;然后,根據(jù)相關(guān)濾波器響應(yīng)置信度和最大響應(yīng)位置生成空間懲罰矩陣,用該矩陣懲罰相關(guān)濾波器判定的背景像素的似然概率,利用積分圖的方法得到顏色概率模型響應(yīng)圖;最后,將相關(guān)濾波器和顏色概率模型得到的響應(yīng)圖進行融合,融合響應(yīng)圖的最大響應(yīng)位置即為目標(biāo)的中心位置。與核循環(huán)結(jié)構(gòu)濾波器(CSK)、核相關(guān)濾波器(KCF)、判別式尺度空間跟蹤(DSST)、SAMF、Staple等5種算法在跟蹤性能上進行比較,在OTB-100標(biāo)準(zhǔn)數(shù)據(jù)集上的結(jié)果表明,所提算法的整體精度提高了3. 06%至55. 98%,成功率提高了2. 24%至54. 97%;在相似背景干擾下,其精度提高了10. 28%至43. 9%,成功率提高了8. 3%至48. 29%。在36段戰(zhàn)場視頻序列上的結(jié)果表明,所提算法的整體精度提高了2. 2%至45. 98%,成功率提高了3. 01%至58. 27%。該算法能夠更好地應(yīng)對地面戰(zhàn)場環(huán)境下相...

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1 本文算法總體框架示意圖

本文算法主要分為4個階段：1）由相關(guān)濾波器和突出前景的顏色概率模型分別得到相關(guān)濾波響應(yīng)圖和像素級似然概率圖；2）根據(jù)相關(guān)濾波響應(yīng)置信度求出顏色概率模型響應(yīng)圖；3）響應(yīng)圖融合；4）模型更新。算法整體框架如圖1所示。1.1相關(guān)濾波器

圖2 R通道直方圖

式中：P(bx|x∈O)≈HOI(bx)/|O|和P(bx|x∈S)≈HSI(bx)/|S|分別表示像素x屬于前景區(qū)域O的先驗概率和像素x背景區(qū)域S的先驗概率，分別由前景直方圖和背景直方圖計算得到；HOI(bx)和HSI(bx)分別表示前景直方圖和背景直方圖中像素x所在直方柱的....

圖3 似然概率圖

當(dāng)不存在相似背景干擾時，顏色概率模型求得的像素屬于前景目標(biāo)的似然概率圖如圖3(a）所示。由于地面戰(zhàn)場相似背景環(huán)境的干擾，實際上很難得到較理想的似然概率圖，通常在戰(zhàn)場環(huán)境下得到的像素屬于前景目標(biāo)的實際似然概率圖如圖3(b）所示。由圖3(b）可知，坦克目標(biāo)周圍相似背景的干擾降低了顏色....

圖4 不同時刻參數(shù)變化情況

步驟1提取當(dāng)前幀輸入圖像特征形成訓(xùn)練樣本f，訓(xùn)練得到位置濾波器ht和尺度濾波器hs，具體計算方法參見式（1)～(2）。圖5跟蹤軌跡

本文編號：4021922