第4期 戴煜彤，等：相关滤波的运动目标抗遮挡再跟踪技术 ·635· 同程度遮挡问题的视频上针对抗遮挡问题进行对 法进行性能对比，测评结果如图4所示。在视频 比实验，以验证本文算法的有效性。表1中显示 序列Airport ce上，目标受到颜色相同的干扰物 了本文算法与ECO HC在精确度和成功率两个 遮挡时，DSST、SRDCF、ECO HC随着遮挡物发 评价指标上的测试结果，可以看出本文算法性能 生了偏移，例如第80帧、90帧、100帧。在视频 较好。在这10个视频集中，本文算法的平均精确 序列Busstation_cel上，第60帧显示的是目标处 度为87.3%，成功率为76.5%，相比基线算法 于较长时间的全遮挡后的位置，只有本文的算法 EC0HC,分别提升了27.7%和23.7%。由此可 跟上了目标，而其余的7种算法均丢失了跟踪目 见，本文改进后的算法产生了积极的作用。 标。在视频序列Girlmov中，目标发生完全遮挡 表1在视频集上的精确度和成功率 后，其他几种算法都随着遮挡物发生了漂移，例 Table 1 Precision and success rate on the videos 如第110帧、第120帧、第130帧、第140帧。在 DP SR 视频集 视频序列Motorbike ce中，当目标发生遮挡又重 ECO HC本文算法ECO HC本文算法 新出现之后，本文算法跟踪准确，而其他算法发 Airport ce 0.459 0.946 0.466 0.953 生了不同程度的偏移。在视频序列Suitcase_ce Busstation ce2 0.110 1.000 0.099 0.989 中，目标的尺度较小，而遮挡物的尺度较大，遮挡 Coke 0.911 0.921 0.526 0.615 情况比较严重，本文算法较准确地预测出了行李 Face ce2 0.622 0.831 0.480 0.791 Girlmov 0.073 0.997 0.068 0.850 箱的位置，ECO HC与SRDCF发生了严重的漂 Motorbike_ce 0.347 0.806 0.350 0.863 移，其余算法则停留在目标被遮挡前的位置，例 Soccer 0.232 0.801 0.212 0.327 如第170帧。综合这5个测试视频中的跟踪效 Suitcase_ce 0.397 0.967 0.397 0.929 果，可见本文算法较好地预测了目标被遮挡后的 Surf ce3 0.491 0.581 0.541 0.634 位置，并且较好地学习了背景信息，优化了模型 Tiger2 0.912 0.907 0.663 0.688 污染造成的漂移问题，而其他7种算法在处理遮 Busstation_cel 0.899 1.000 0.911 0.962 挡问题上效果不佳，本文算法的效果较好。 Jogging2 0.997 1.000 0.993 0.997 图5显示了本文算法与其他7种在视频序列 Kite_ce2 1.000 1.000 0.962 0.889 上的精确度。在受部分遮挡的视频序列Coke、Ti- Matrix 0.310 0.410 0.200 0.210 ger2中，除了KCF和DSST外，其他几种算法效 Basketball 0.983 0.990 0.946 0.956 果差不多。而当目标遮挡情况严重一点时，比如 Boat ce2 0.786 0.816 0.626 0.595 Soccer和Face ce2中，LDES、SAMF、ECO HC的 AVERAGE 0.596 0.873 0.528 0.765 精度些许偏低。但是当目标处于一段时间的完全 3.3.2抗遮挡性能的定性分析 遮挡，比如视频序列Airport_ce和Busstation_cel, 本实验选用DSST、ECO HCI、KCF、SRD- 本文算法的重定位机制以及改进的模型更新算法 CF、STRCF2、LDES2I、SAMF2共7种跟踪算 起到了有效的作用。 DSST -LDES SAMF SRDCF. STRCF Ours 图4目标遮挡部分效果 Fig.4 Part of target occlusion results同程度遮挡问题的视频上针对抗遮挡问题进行对 比实验，以验证本文算法的有效性。表 1 中显示 了本文算法与 ECO_HC 在精确度和成功率两个 评价指标上的测试结果，可以看出本文算法性能 较好。在这 10 个视频集中，本文算法的平均精确 度为 87.3%，成功率为 76.5%，相比基线算法 ECO_HC，分别提升了 27.7% 和 23.7%。由此可 见，本文改进后的算法产生了积极的作用。 表 1 在视频集上的精确度和成功率 Table 1 Precision and success rate on the videos 视频集 DP SR ECO_HC 本文算法 ECO_HC 本文算法 Airport_ce 0.459 0.946 0.466 0.953 Busstation_ce2 0.110 1.000 0.099 0.989 Coke 0.911 0.921 0.526 0.615 Face_ce2 0.622 0.831 0.480 0.791 Girlmov 0.073 0.997 0.068 0.850 Motorbike_ce 0.347 0.806 0.350 0.863 Soccer 0.232 0.801 0.212 0.327 Suitcase_ce 0.397 0.967 0.397 0.929 Surf_ce3 0.491 0.581 0.541 0.634 Tiger2 0.912 0.907 0.663 0.688 Busstation_ce1 0.899 1.000 0.911 0.962 Jogging2 0.997 1.000 0.993 0.997 Kite_ce2 1.000 1.000 0.962 0.889 Matrix 0.310 0.410 0.200 0.210 Basketball 0.983 0.990 0.946 0.956 Boat_ce2 0.786 0.816 0.626 0.595 AVERAGE 0.596 0.873 0.528 0.765 3.3.2 抗遮挡性能的定性分析 本实验选用 DSST[5] 、ECO_HC[8] 、KCF[4] 、SRD￾CF[6] 、STRCF[22] 、LDES[23] 、SAMF[24] 共 7 种跟踪算 法进行性能对比，测评结果如图 4 所示。在视频 序列 Airport_ce 上，目标受到颜色相同的干扰物 遮挡时，DSST、SRDCF、ECO_HC 随着遮挡物发 生了偏移，例如第 80 帧、90 帧、100 帧。在视频 序列 Busstation_ce1 上，第 60 帧显示的是目标处 于较长时间的全遮挡后的位置，只有本文的算法 跟上了目标，而其余的 7 种算法均丢失了跟踪目 标。在视频序列 Girlmov 中，目标发生完全遮挡 后，其他几种算法都随着遮挡物发生了漂移，例 如第 110 帧、第 120 帧、第 130 帧、第 140 帧。在 视频序列 Motorbike_ce 中，当目标发生遮挡又重 新出现之后，本文算法跟踪准确，而其他算法发 生了不同程度的偏移。在视频序列 Suitcase_ce 中，目标的尺度较小，而遮挡物的尺度较大，遮挡 情况比较严重，本文算法较准确地预测出了行李 箱的位置，ECO_HC 与 SRDCF 发生了严重的漂 移，其余算法则停留在目标被遮挡前的位置，例 如第 170 帧。综合这 5 个测试视频中的跟踪效 果，可见本文算法较好地预测了目标被遮挡后的 位置，并且较好地学习了背景信息，优化了模型 污染造成的漂移问题，而其他 7 种算法在处理遮 挡问题上效果不佳，本文算法的效果较好。 图 5 显示了本文算法与其他 7 种在视频序列 上的精确度。在受部分遮挡的视频序列 Coke、Ti￾ger2 中，除了 KCF 和 DSST 外，其他几种算法效 果差不多。而当目标遮挡情况严重一点时，比如 Soccer 和 Face_ce2 中，LDES、SAMF、ECO_HC 的 精度些许偏低。但是当目标处于一段时间的完全 遮挡，比如视频序列 Airport_ce 和 Busstation_ce1， 本文算法的重定位机制以及改进的模型更新算法 起到了有效的作用。 DSST ECO KCF LDES SAMF SRDCF STRCF Ours 图 4 目标遮挡部分效果 Fig. 4 Part of target occlusion results 第 4 期 戴煜彤，等：相关滤波的运动目标抗遮挡再跟踪技术 ·635·