文獻標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.201258
中文引用格式： 孟令軍，尚椏朝. 基于背景直方圖的Staple目標(biāo)跟蹤算法[J].電子技術(shù)應(yīng)用，2021，47(9)：20-24，38.
英文引用格式： Meng Lingjun，Shang Yachao. Staple object tracking based on background-weight histogram[J]. Application of Electronic Technique，2021，47(9)：20-24，38.
0 引言
目標(biāo)跟蹤作為計算機視覺的重要組成部分，在視頻監(jiān)控、軍事應(yīng)用、人機交互、無人駕駛[1]等領(lǐng)域都有廣泛的應(yīng)用。目標(biāo)跟蹤算法利用首幀目標(biāo)位置對目標(biāo)進行建模，在后續(xù)幀實現(xiàn)目標(biāo)位置的定位。由于在目標(biāo)跟蹤過程中會出現(xiàn)目標(biāo)遮擋、尺度變化、形變等，使得目標(biāo)跟蹤的效果受到極大挑戰(zhàn)[2]。
相關(guān)濾波作為目標(biāo)跟蹤領(lǐng)域的一大熱點，受到廣大學(xué)者的廣泛關(guān)注[3]。2010年，Bolme提出的MOSSE算法首次將相關(guān)濾波應(yīng)用到目標(biāo)跟蹤領(lǐng)域，獲得了每秒數(shù)百幀的運行速度和相當(dāng)高的準(zhǔn)確率[4]。Henriques提出CSK算法將循環(huán)矩陣應(yīng)用到相關(guān)濾波算法提升樣本的多樣性[5]。2014年，Hebroiques將單通道的灰度特征擴展到多通道的梯度直方圖(HOG)，并通過核技巧將特征映射到高維空間提出KCF算法[6]。Danelljan提出DSST算法引入尺度金字塔并訓(xùn)練一個一維相關(guān)濾波器來檢測目標(biāo)的尺度[7]。Li等提出SAMF算法將梯度直方圖(HOG)和顏色名(CN)特征進行融合并實現(xiàn)多尺度檢測，有效提升跟蹤精度，在許多算法中均有應(yīng)用[8]。Bertinetto等人提出Staple算法將顏色直方圖分類器應(yīng)用到相關(guān)濾波，提升了跟蹤效果[9]。2019年，戴偉聰?shù)纫刖植棵舾兄狈綀D用于Staple算法的分類器，提出一種改進的Staple算法[10]。
本文詳細內(nèi)容請下載：http://www.shi-ke.cn/resource/share/2000003738。
作者信息：
孟令軍，尚椏朝
(中北大學(xué) 電子測試技術(shù)國防科技重點實驗室，山西 太原030051)
