·328· 智能系统学报 第16卷 性，从OTB-2015数据集中选取大量不同属性的 糊图像上提取大量的目标特征点，并将降维后的 视频，并将其进行不同程度的模糊化处理。跟踪 目标特征向量进行匹配，提高了KCF算法的性 精确度和成功率曲线如图4~5所示：本文算法的 能。视频序列可视化跟踪结果显示，本文算法在 精确度和成功率均居第一。本文算法的精确度 模糊图像上可以顺利跟踪到目标，且其精确度和 为68.2%，在经典KC℉算法的基础上提高了18.1%， 成功率均高于对比算法，由此可说明本文算法具 比次优的SRDCF算法提高了5.7%：本文算法的 有抗模糊性和光照不变性，适用于大部分模糊图 成功率为49.5%，在经典KC℉算法的基础上提高 像的跟踪场景。但是，与经典的KC℉算法相比 了19.2%，比次优的SRDCF算法提高了2.3%。实 本文算法由于引入了LBP算法，在提高精度的同 验数据说明，本文算法通过启动模糊特征检测 时也增加了计算量，导致跟踪速度较低。下一步 器，可以在模糊图像上提取到大量目标特征点， 研究的目标是在不影响算法精度的情况下进一步 并通过绝对距离和余弦相似度进行目标特征向量 提高算法的运行速度。 匹配，进而成功定位到目标的位置，由此提高了 KC℉算法在模糊图像上的精确度和成功率。 参考文献： 0.9 [1]杨亚光，尚振宏.相关滤波融合卷积残差学习的目标跟 0.8 踪算法).激光与光电子学进展，2020,57(12)：121012. 0.7 YANG Yaguang,SHANG Zhenhong.Object tracking al- 0.6 o0自站结6G666时时 gorithm based on correlation filtering and convolution re- siduals learning[J].Laser optoelectronics progress,2020, 0.3 一本文 57(12y:121012. 0.2 KCF 0.1 -e-DSST [2]孟绿，杨旭.目标跟踪算法综述[仞.自动化学报，2019， -+-SRDCF 45(7):1244-1260 20 30 40 50 中心位置误差國值 MENG Lu,YANG Xu.A survey of object tracking al- gorithms[J].Acta automatica sinica,2019,45(7): 图4平均精确度曲线 1244-1260 Fig.4 Curve of average accuracy [3]ORON S,BAR-HILLEL A,LEVI D,et al.Locally order- 1.0 0.9 本文 less tracking[J].International journal of computer vision. KCF 0.8 --DSST 2015,111(2):213-228. 7 -+-SRDCF [4]BABENKO B,YANG M H,BELONGIE S.Robust object 06 tracking with online multiple instance learning[J].IEEE transactions on pattern analysis and machine intelligence, 0.3 2011,33(8):1619-1632 0.2 [5]尹宏鹏，陈波，柴毅，等.基于视觉的目标检测与跟踪综 01 述[J.自动化学报，2016,42(10)：1466-1489 0 0.2 0.40.60.8 1.0 YIN Hongpeng,CHEN Bo,CHAI Yi,et al.Vision-based 重叠率國值 object detection and tracking:a review[J.Acta automatica 图5平均成功率曲线 sinica.2016,42(10):1466-1489 Fig.5 Curve of average success rate [6]HENRIQUES J F.CASEIRO R.MARTINS P.et al.High- 另外，模糊化处理OTB-2013数据集里的视频 speed tracking with kernelized correlation filters[J].IEEE 序列，并将其用于本文算法的测试中。测试结果 transactions on pattern analysis and machine intelligence, 表明，与现有的KCF算法相比，本文算法可以对 2015,37(3):583-596 模糊图像中的目标进行有效跟踪，且其精确度较 [7]宁欣，李卫军，田伟娟，等.一种自适应模板更新的判别 高，从而进一步说明本文算法具有普适性。 式KCF跟踪方法[.智能系统学报，2019,14(1)： 121-126. 4结束语 NING Xin,LI Weijun,TIAN Weijuan,et al.Adaptive tem- plate update of discriminant KCF for visual tracking[J]. 对模糊图像中的目标进行有效跟踪是跟踪领 CAAI transactions on intelligent systems,2019,14(1): 域内的一个难点，本文在KCF算法的基础上，提 121-126. 出了一种结合模糊特征检测的鲁棒KC跟踪 [8]张微，康宝生.相关滤波目标跟踪进展综述).中国图象 法。该算法通过启动模糊特征检测器，可以在模 图形学报，2017,22(8)：1017-1033.性，从 OTB-2015 数据集中选取大量不同属性的 视频，并将其进行不同程度的模糊化处理。跟踪 精确度和成功率曲线如图 4~5 所示：本文算法的 精确度和成功率均居第一。本文算法的精确度 为 68.2%，在经典 KCF 算法的基础上提高了 18.1%， 比次优的 SRDCF 算法提高了 5.7%；本文算法的 成功率为 49.5%，在经典 KCF 算法的基础上提高 了 19.2%，比次优的 SRDCF 算法提高了 2.3%。实 验数据说明，本文算法通过启动模糊特征检测 器，可以在模糊图像上提取到大量目标特征点， 并通过绝对距离和余弦相似度进行目标特征向量 匹配，进而成功定位到目标的位置，由此提高了 KCF 算法在模糊图像上的精确度和成功率。 0 10 20 30 40 50 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 中心位置误差阈值 精确度 本文 KCF DSST SRDCF 图 4 平均精确度曲线 Fig. 4 Curve of average accuracy 本文 KCF DSST SRDCF 0 0.2 0.4 0.6 0.8 1.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 重叠率阈值 成功率 图 5 平均成功率曲线 Fig. 5 Curve of average success rate 另外，模糊化处理 OTB-2013 数据集里的视频 序列，并将其用于本文算法的测试中。测试结果 表明，与现有的 KCF 算法相比，本文算法可以对 模糊图像中的目标进行有效跟踪，且其精确度较 高，从而进一步说明本文算法具有普适性。 4 结束语 对模糊图像中的目标进行有效跟踪是跟踪领 域内的一个难点，本文在 KCF 算法的基础上，提 出了一种结合模糊特征检测的鲁棒 KCF 跟踪 法。该算法通过启动模糊特征检测器，可以在模 糊图像上提取大量的目标特征点，并将降维后的 目标特征向量进行匹配，提高了 KCF 算法的性 能。视频序列可视化跟踪结果显示，本文算法在 模糊图像上可以顺利跟踪到目标，且其精确度和 成功率均高于对比算法，由此可说明本文算法具 有抗模糊性和光照不变性，适用于大部分模糊图 像的跟踪场景。但是，与经典的 KCF 算法相比， 本文算法由于引入了 LBP 算法，在提高精度的同 时也增加了计算量，导致跟踪速度较低。下一步 研究的目标是在不影响算法精度的情况下进一步 提高算法的运行速度。 参考文献： 杨亚光, 尚振宏. 相关滤波融合卷积残差学习的目标跟 踪算法 [J]. 激光与光电子学进展, 2020, 57(12): 121012. YANG Yaguang, SHANG Zhenhong. Object tracking al￾gorithm based on correlation filtering and convolution re￾siduals learning[J]. Laser & optoelectronics progress, 2020, 57(12): 121012. [1] 孟琭, 杨旭. 目标跟踪算法综述 [J]. 自动化学报, 2019, 45(7): 1244–1260. MENG Lu, YANG Xu. A survey of object tracking al￾gorithms[J]. Acta automatica sinica, 2019, 45(7): 1244–1260. [2] ORON S, BAR-HILLEL A, LEVI D, et al. Locally order￾less tracking[J]. International journal of computer vision, 2015, 111(2): 213–228. [3] BABENKO B, YANG M H, BELONGIE S. Robust object tracking with online multiple instance learning[J]. IEEE transactions on pattern analysis and machine intelligence, 2011, 33(8): 1619–1632. [4] 尹宏鹏, 陈波, 柴毅, 等. 基于视觉的目标检测与跟踪综 述 [J]. 自动化学报, 2016, 42(10): 1466–1489. YIN Hongpeng, CHEN Bo, CHAI Yi, et al. Vision-based object detection and tracking: a review[J]. Acta automatica sinica, 2016, 42(10): 1466–1489. [5] HENRIQUES J F, CASEIRO R, MARTINS P, et al. High￾speed tracking with kernelized correlation filters[J]. IEEE transactions on pattern analysis and machine intelligence, 2015, 37(3): 583–596. [6] 宁欣, 李卫军, 田伟娟, 等. 一种自适应模板更新的判别 式 KCF 跟踪方法 [J]. 智能系统学报, 2019, 14(1): 121–126. NING Xin, LI Weijun, TIAN Weijuan, et al. Adaptive tem￾plate update of discriminant KCF for visual tracking[J]. CAAI transactions on intelligent systems, 2019, 14(1): 121–126. [7] 张微, 康宝生. 相关滤波目标跟踪进展综述 [J]. 中国图象 图形学报, 2017, 22(8): 1017–1033. [8] ·328· 智 能 系 统 学 报 第 16 卷