基于背景直方图的Staple目标跟踪算法
2021年电子技术应用第9期
孟令军，尚桠朝
中北大学 电子测试技术国防科技重点实验室，山西 太原030051
摘要：针对Staple算法在由于相机运动出现模糊情况下跟踪精度下降的问题，提出一种基于背景权重直方图的改进Staple目标跟踪算法。首先，针对传统颜色直方图忽略空间性的问题，提出对直方图引入位置权重；其次，利用背景区域颜色直方图抑制背景信息对目标区域直方图的影响，提出引入背景权重直方图，并完成直方图分类器的构建。该算法在OTB2015测试集上与其他5个先进算法进行实验比较，结果表明在距离精度和成功率上总体效果相对Staple分别提升了3.7%和2%。
中图分类号：TN98；TP391
文献标识码：A
DOI：10.16157/j.issn.0258-7998.201258
中文引用格式：孟令军，尚桠朝. 基于背景直方图的Staple目标跟踪算法[J].电子技术应用，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.
文献标识码：A
DOI：10.16157/j.issn.0258-7998.201258
中文引用格式：孟令军，尚桠朝. 基于背景直方图的Staple目标跟踪算法[J].电子技术应用，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.
Staple object tracking based on background-weight histogram
Meng Lingjun，Shang Yachao
Nationl Key Laboratory for Electronic Measurement Technology，North University of China，Taiyuan 030051，China
Abstract：Focusing on the problem that the tracking accuracy of Staple tracker is reduced due to blurring of camera motion, an improved Staple tracker base on background-weight histogram is proposed. Firstly, aiming at the problem of ignoring the spatiality of the traditional histogram, it is proposed to add position to the histogram. Furthermore, making full use of the color histogram of the background area，the influence of the background information on the histogram of the target area is suppressed，this paper proposes to introduce the background-weight histogram, and completes the construction of the histogram classifier. Experiment is made on OTB2015 benchmark for comparing the proposed tracker with other 5 state-of-the-art trackers. The results show that the proposed tracker has 3.7% and 2% improvement in distance accuracy and success rate respectively.
Key words :background-weight histogram；object tracking；Staple；motion blur；correlation filter
0 引言
目标跟踪作为计算机视觉的重要组成部分，在视频监控、军事应用、人机交互、无人驾驶[1]等领域都有广泛的应用。目标跟踪算法利用首帧目标位置对目标进行建模，在后续帧实现目标位置的定位。由于在目标跟踪过程中会出现目标遮挡、尺度变化、形变等，使得目标跟踪的效果受到极大挑战[2]。
相关滤波作为目标跟踪领域的一大热点，受到广大学者的广泛关注[3]。2010年，Bolme提出的MOSSE算法首次将相关滤波应用到目标跟踪领域，获得了每秒数百帧的运行速度和相当高的准确率[4]。Henriques提出CSK算法将循环矩阵应用到相关滤波算法提升样本的多样性[5]。2014年，Hebroiques将单通道的灰度特征扩展到多通道的梯度直方图(HOG)，并通过核技巧将特征映射到高维空间提出KCF算法[6]。Danelljan提出DSST算法引入尺度金字塔并训练一个一维相关滤波器来检测目标的尺度[7]。Li等提出SAMF算法将梯度直方图(HOG)和颜色名(CN)特征进行融合并实现多尺度检测，有效提升跟踪精度，在许多算法中均有应用[8]。Bertinetto等人提出Staple算法将颜色直方图分类器应用到相关滤波，提升了跟踪效果[9]。2019年，戴伟聪等引入局部敏感直方图用于Staple算法的分类器，提出一种改进的Staple算法[10]。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003738。
作者信息：
孟令军，尚桠朝
(中北大学 电子测试技术国防科技重点实验室，山西 太原030051)
此内容为AET网站原创，未经授权禁止转载。