摘要
针对无人机跟踪场景中目标分辨率较低且易受无人机(unmanned aerial vehicle,UAV)飞行姿态、速度变化等因素的影响而难以对目标进行鲁棒跟踪的问题,提出了一种自适应时空正则的无人机目标跟踪算法以有效解决上述问题.在时空正则相关滤波器(spatial temporal regularized correlation filter,STRCF)算法基础上引入AutoTrack中的空间正则性代价并利用峰值旁瓣比和局部响应变化量,在线动态更新时空正则化参数以提升跟踪器的准确性,通过在跟踪器中嵌入遮挡处理模块解决目标遭遮挡后跟踪漂移的问题.在多个无人机基准数据集上进行了测试,实验结果表明,与基准算法AutoTrack相比,本文算法具有更高的精确度和更快的处理速度.其中在DTB70数据集上跟踪精度和速度分别提升了 1.5％和74.4％;在UAVDT数据集上9个属性的分类对比中,本文算法在尺度变化(scale variation,SV)、目标模糊(object blur,OB)等7个属性上取得较高的性能,均排在第一位.由此可见本文算法可以更好地满足无人机应用需求.
基金项目
国家自然科学基金(61402310)
江苏省自然科学基金(BK20141195)
泰州职业技术学院重点科研项目(1821819039)
维普
万方数据