关联动态特征的目标自适应跟踪算法

来源:电子技术应用ChinaAET发布时间:2022-12-21692浏览

作者：孙志成1，董一杰2，胡爱兰2，张瑞权2作者单位：1.63861部队，吉林白城137000；2.华北计算机系统工程研究所，北京100083。摘要：在复杂的靶场试验场景中，试验现场常常涉及扬尘、强光、遮挡等多变的自然环境。针对这种情况下快速运动的目标物体跟踪，提出了一种关联动态特征的单目标跟踪算法。首先使用门控循环单元(Gated Recurrent Unit，GRU)提取待跟踪目标的时序动态特征，获得候选处理目标框集合；然后利用卷积网络(Convolutional Neural Network，CNN)提取候选目标框的深度卷积特征并确定目标位置，同时分离出背景卷积特征；在跟踪过程中，使用分离出的背景卷积特征图对网络进行参数更新，增强网络的鲁棒性与自适应性。实验结果表明，所提出的算法可以对靶场图像采集系统中的被试移动目标进行自适应跟踪，并且在复杂环境背景下算法仍能保持优异的鲁棒性与适应性。引言：某型号系统在进行靶场试验时，需准确定位并跟踪被试设备，确保其能处于相应试验系统范围中，这对单目标跟踪提出了更高的要求。单目标跟踪逐渐成为计算机视觉所需研究和应用的重点之一[1]，为了满足某些复杂场景的使用需求，对视频中特定目标进行自适应处理逐渐成为重要的需求。随着近年来计算机技术的发展与算力的进步，单目标跟踪被广泛地应用于军事设施设备、安防监控、无人驾驶等领域[2-4]。国内外相关学者根据不同的工作原理对跟踪算法做了大量研究工作。Henriques[5]等提出了核相关滤波算法，但该算法在遮挡等因素影响下会出现跟踪丢失的情况；Zhou[6]等提出了结合目标位置、形状、外观的多核相关滤波算法，对实际海洋雷达目标进行跟踪；卢杨[7]等通过改进纹理特征并应用于红外目标跟踪，验证了其鲁棒性与实时性；仇祝令[8]等考虑目标的空时域特性对正则化项进行约束求解，该方法在一定程度上提升了跟踪的实时性与精确度。文章来源：《电子技术应用》杂志10月刊点击下方阅读原文，下载论文PDF