摘要：提高海上智能监测水平,为了实现对海上船只目标的跟踪,文中针对典型海况环境下的海上船只目标跟踪问题,提出了一种改进核相关滤波器(Kernelized Correlation Filters,KCF)的船只目标跟踪算法。首先,针对KCF算法的特征,提出船只目标跟踪临界概率的概念,用来判断目标跟踪是否异常;接着,加入卡尔曼滤波模块,用来预测跟踪目标下一时刻的位置;然后,对跟踪异常的目标设计目标跟踪异常处理模块进行处理;最后,针对4组典型的海上目标跟踪场景,通过实验验证了算法的性能。实验结果表明:文中算法在海上船只大幅度晃动、跟踪目标被遮挡、目标出界、目标尺寸变换等复杂情况下,跟踪准确率和速率比原KCF算法分别提高17.23%和7.86%。满足海上目标跟踪精度、实时性、适用性等方面的要求。

摘要：在自动驾驶系统中,基于视觉的车辆前方多目标检测和轨迹跟踪能够为前方目标的姿态估计、行为分析提供有效信息。针对协同运动信息和核相关滤波跟踪信息的多目标跟踪的不足,使用卷积神经网络YOLOv2检测目标,提出了融合核相关滤波和目标运动信息的多目标轨迹跟踪方法,目的是将运动信息融入到图像特征跟踪容器中,优化运动模型,减少环境噪声造成的目标跟踪丢失、偏离。提出了基于运动信息改进核相关滤波跟踪尺度不变性算法。建立了多目标的检测跟踪容器,提出了结合目标属性、重合度、运动状态、跟踪状态的多目标匹配方法。实验表明,本文算法能够实现一定场景下的多目标的持续实时轨迹跟踪,平均有效跟踪率为92.5%。

摘要：为解决稀疏表示跟踪速度慢和核相关滤波算法难以处理遮挡、尺度变化的问题,提出一种核相关滤波结合稀疏表示的视频跟踪算法。用核相关滤波快速定位目标的最大可能位置,密集采样后采用基于局部图像块的稀疏表示和对齐池化构建外观模型,更好表征目标的局部特征以应对遮挡问题。为处理跟踪漂移,采取基于滤波和稀疏编码的探测策略实现模型更新。OTB100上的实验结果表明,该算法在处理遮挡、旋转和快速运动上与其它算法相比达到最好的跟踪效果。

摘要：在基于视觉的桥吊负载摆角检测过程中,负载快速运动使相机采集的图像产生运动模糊,进而导致摆角检测精度降低。为了准确、实时获取负载摆角信息,提出一种基于改进核相关滤波的摆角检测方法。将轨迹预测引入负载跟踪中,避免负载由于快速运动而逃离搜索窗口;设计尺度自适应策略,进一步提高跟踪性能;结合负载运动速度和响应峰值梯度更新自适应学习率,及时适应目标的特征变化。对兴趣区内的图像进行灰度增强处理,降低运动模糊对检测精度的影响,根据三角形外接圆定理获取标识物的圆心及半径,并结合起重机工作空间建立负载摆角测量模型。实验结果表明,所提出方法在检测准确性和实时性上均优于其他方法,检测误差不高于3像素,处理速度不低于35帧/s。

摘要：针对核相关滤波(KCF)跟踪算法在遮挡场景中出现跟踪性能降低甚至跟踪失败的问题,提出了一种核相关滤波和卡尔曼滤波(KF)预测相结合的模型自适应抗遮挡图像目标跟踪算法KCF-KF。首先,考虑到传统KCF目标跟踪算法中缺少遮挡评估的问题,通过引入响应图的峰值旁瓣比来对图像目标的遮挡情况进行判断,并将遮挡类型划分为部分遮挡和严重遮挡。其次,根据遮挡程度采取不同的模型更新策略,当目标无遮挡或者部分遮挡时,替代传统KCF跟踪算法中采用固定学习率更新模型的方法,通过自适应地调整模型学习率来更新目标外观模型,避免跟踪漂移;当目标被严重遮挡时,停止KCF模型更新。最后,应用严重遮挡之前的运动信息构建卡尔曼滤波器状态空间和位置输出模型,设计卡尔曼滤波算法预测运动目标轨迹来估计遮挡情景下的目标位置,从而解决在遮挡场景中目标跟踪失败的问题。采用OTB-2013标准数据集进行大量实验,结果表明:所提的混合跟踪算法KCF-KF的距离精度为0.796,重叠成功率为0.692。与其他传统跟踪算法相比,该混合算法的跟踪精度和跟踪成功率均优于其他算法,并且在遇到目标遮挡挑战时具有更好的跟踪性能,有效地解决了跟踪过程中的遮挡干扰问题。

摘要：为解决传统核相关滤波跟踪算法存在目标尺度变化、快速运动、运动模糊等问题,提出一种基于核相关滤波的特征融合与尺度自适应的目标跟踪算法。通过融合颜色直方图特征与尺度金字塔特征,采用基于互信息的自适应主成分分析进行特征降维,利用一种基于BRISK特征的目标尺度估计方法估计目标的尺度变化。采用OTB标准数据集对算法进行验证,实验结果表明,该算法对于目标尺度变化、运动模糊等问题的鲁棒性较高,跟踪性能优于对比算法,跟踪速度满足实时性的要求。

摘要：为解决在复杂背景条件下的跟踪不稳定问题,提高目标跟踪的鲁棒性和准确性,研究一种在传统核相关滤波算法的基础上对多特征进行线性融合和多峰值检测更新机制结合的核相关滤波目标跟踪算法,使用多个专家进行评估,充分结合各特征的优势,训练出最优的相关滤波器。通过OTB-2013公开数据集全部视频序列对算法进行验证,该算法准确度能达到81.7%,成功率达到69.2%,验证了该算法能够在旋转、运动模糊、快速运动、形变、光照变化和超出视野等场景下取得较好的结果,是一种稳定的目标跟踪算法。

摘要：为提升核相关滤波跟踪算法(KCF)在目标出现遮挡时的鲁棒性,提出一种结合不变矩特征的核相关滤波跟踪算法。以不变矩特征描述目标,通过初始模型与待测目标之间的相似度变化情况,设定遮挡判断机制;利用相似度的大小将模型更新机制中的学习率分段,实现目标模型的自适应更新。为测试算法的有效性,采用OTB-2013评估数据集,实验结果表明,与KCF算法相比,该算法在跟踪精度上提升了7.4%,在成功率上提升了10.8%。

摘要：为提高复杂背景下目标跟踪的精度和鲁棒性,提出一种多特征融合的核相关滤波目标跟踪算法。在海量无关图片训练集上得到深度模型,使用目标跟踪视频序列对其进行微调;从模型中提取多层深度线性特征并进行插值运算,同时提取图像序列的方向梯度直方图特征和颜色名特征;将得到的特征图通过核相关滤波计算相应的相关响应图;融合各个响应图,寻找最大响应值以确定目标位置。在OTB和VOT标准数据集上的实验结果表明,该模型具有较高的识别精度,能够在背景斑杂、光照变化、目标遮挡和变形等复杂环境下长期稳定地跟踪目标。

摘要：核相关滤波跟踪方法作为一种效果较佳的目标跟踪方法得到了广泛应用。本文介绍了基于前景和基于背景的两类目标检测的特点,以及目标跟踪的相关知识。重点以核相关滤波跟踪方法为主,详细介绍了该方法的特点、算法实现,包括相关滤波、构建岭回归模型、构造循环样本和核函数映射,讨论了其性能优势以及算法设计开发中的数据集。多通道和输入梯度直方图等特征使核相关滤波跟踪方法获得了效率高、速度快、识别能力强、稳定性高的特点。