基于相关滤波与自适应候选框选择的精确尺度估计跟踪方法

近来，一些结合检测候选框的相关滤波跟踪器取得了最先进的跟踪结果。然而，候选框生成器给出的大量冗余候选框可能降低这些跟踪器的性能与速度。本文提出一种自适应候选框选择算法，可生成少量高质量候选框以处理视觉目标跟踪中的尺度变化问题。具体而言，我们首先利用 HSV 颜色空间中的颜色直方图来表示实例（即第一帧中的初始目标与上一帧中的预测目标）及候选框。然后，基于颜色相似度构建自适应策略以选择高质量候选框。我们进一步将所提自适应候选框选择算法与由粗到细的深度特征相整合，以验证所提跟踪器的泛化性与效率。在两个基准数据集上的实验表明，该算法优于若干最先进的跟踪器。