Background and direction-aware correlation filter tracking
Wentao Jiang, Chao Tu, Liu Wanjun · Journal of Image and Graphics · 2021
目的针对相关滤波跟踪算法，目标与周围背景进行等值权重训练滤波器导致目标与背景信息相似时，易出现目标漂移问题，本文提出一种基于背景与方向感知的相关滤波跟踪算法。方法将目标周围的背景信息学习到滤波器中，利用卡尔曼滤波预测目标的运动状态和运动方向，提取目标运动方向上的背景信息，将目标运动方向上与非运动方向上的背景信息进行滤波器训练，保证分配给目标运动方向上背景信息的训练权重高于非运动方向上的权重，增加滤波器对目标和背景信息的分辨能力，采用线性插值法得到最大响应值，用于确定目标位置；构造辅助因子g，利用增广拉格朗日乘子法（augmented Lagrange method，ALM）将约束项放到优化函数里，采用交替求解算法（alternating direction method of multipliers，ADMM）将求解目标问题转化为求滤波器和辅助因子的最优解，降低计算复杂度；采用多分辨率搜索方法来估计目标变换的尺度。结果在数据集OTB50（object tracking benchmark）和OTB100上的平均精确率和平均成功率分别为0.804和0.748，相比BACF（background-aware correlation filters）算法分别提高了7%和16%；在数据集LaSOT上本文算法精确率为0.329，相比BACF（0.239）的精确率得分，更能体现本文算法的鲁棒性。结论与其他主流算法相比，本文算法在运动模糊、背景杂乱和形变等复杂条件下跟踪效果更加鲁棒。