基于自适应搜索区域的鲁棒目标跟踪

基于判别相关滤波器(DCF)的跟踪器近来以极高的计算效率取得了优异性能。然而,基于DCF的跟踪器存在边界效应,导致在呈现快速运动的挑战性情形下性能不稳定。本文提出一种新颖方法以缓解基于DCF跟踪器中的此副作用。我们根据目标运动的预测改变搜索区域。当目标快速运动时,较宽的搜索区域可减轻边界效应并保留定位目标的概率。当目标缓慢运动时,较窄的搜索区域可阻止无用背景信息的影响,并提升计算效率以实现实时性能。该策略能显著缓解快速运动与运动模糊情形下的边界效应,且可应用于几乎所有基于DCF的跟踪器。在OTB基准上的实验表明,所提框架相较基线跟踪器提升了性能。