针对现有热红外目标跟踪算法难以处理相似物干扰和目标遮挡的问题, 引入 MMNet(Multi-task Matching Network)算法中的多任务框架获取热红外目标特定的判别性特征和细粒度特征, 并将这两种特征相互融合, 用于在类间和类内识别热红外对象。此外, 利用峰值旁瓣比动态设置模型更新参数以更高效地获取目标变化信息并对跟踪结果进行评估。对于不可靠跟踪结果利用卡尔曼滤波对目标位置进行预测。在 LSOTB-TIR(Large-Scale Thermal Infrared Object Tracking Benchmark)红外数据集上的实验结果表明, 提出的改进算法性能较好, 相比 MMNet跟踪精确度和成功率分别提高了5.7%和4.2%, 且能有效应对遮挡、变形等挑战, 可以应用于红外目标跟踪领域。Based on Fusion of Discriminant and Fine-Grained Features

为提高场景中战斗机在光照变化、尺度变化、遮挡和形变等因素下的跟踪精度，提出一种基于多种特征融合的核相关滤波算法。将颜色特征、纹理特征和卷积特征进行融合，融合后输出的最大响应值即为检测到的战斗机位置; 同时，采用尺度滤波器对战斗机进行尺度估计; 模板更新时，引入旁瓣比的概念对战斗机遮挡情况进行判断。实验结果表明，算法的准确度达到了77.6%，成功率也达到了73.3%，与KCF,DSST,MOSSE算法相比，在快速运动、背景杂乱、形变、超出视野、光照变化、翻转、低分辨率等情况下，跟踪精确度和跟踪成功率均位列第一。

颜色属性跟踪算法使用的核脊回归分类器对于背景信息的利用过少, 导致算法在目标快速运动、局部遮挡和背景相似物干扰等情形下容易发生漂移。针对此问题, 首先, 通过计算响应矩阵峰值旁瓣比确定干扰峰所在位置; 然后, 在核脊回归分类器上引入对应的背景约束项来加强分类器对背景信息的利用; 最后, 使用构建尺度空间滤波器的方法实现对多尺度变化的支持。在Visual Tracker Benchmark数据集上的对比实验结果表明, 该方法在不过多损失算法速度的前提下, 能够有较高的跟踪精度。

提出了一种通过置信度判别将模型更新方法和尺度变化加入相关滤波器中的目标跟踪算法。在跟踪过程中常会遇到较多遮挡及相似干扰的情况,如果持续更新模型参数极易导致误跟或跟丢,因此采用置信度参数定性地判别跟踪质量,置信度低时停止更新,防止引入误差,提高正确率。确保准确跟踪后,再对尺度大小进行检测和更新,提出了较为快捷的尺度更新方式,简化冗余代码,使跟踪更精确的同时降低时间代价。实验证明,本文算法在精度和正确率方面分别比原算法提升了38%和33%,且性能优于几种现有算法,应对遮挡和尺度变化的情况具有更高的稳健性。

在相位相关目标跟踪中, 由于响应函数为冲击函数, 不能适应目标的变化, 且易受噪音和杂波的影响, 导致跟踪失败.而均值合成滤波器利用符合期望的相关输出分布, 可获得较好的滤波效果.本文考虑跟踪过程中目标的上下文信息, 设计与目标空间位置相关的响应函数取代冲击函数, 从而获得更为鲁棒的滤波器; 利用峰值旁瓣比评估跟踪结果并自适应更新滤波器, 适应目标的变化; 用快速傅里叶变换进行加速算法, 对目标实现快速鲁棒跟踪.实验结果表明, 本文方法平均每秒处理50帧图像, 在准确度和精确性方面优于当前算法.