7、视觉目标跟踪中的相关滤波器算法详解

视觉目标跟踪中的相关滤波器算法详解

在视觉目标跟踪领域，相关滤波器算法一直是研究的热点。本文将详细介绍两种相关滤波器跟踪器：基于尺度金字塔的相关滤波器跟踪器（Correlation Filter Tracker with Scale Pyramid）和基于多尺度超像素的相关滤波器跟踪器（Correlation Filter Tracker with Multi - Scale Superpixels），探讨它们的原理、实现步骤以及实验结果。

基于尺度金字塔的相关滤波器跟踪器

1. 核心公式与目标预处理

该跟踪器的核心公式为：
[y = F^{-1}\left(\frac{\sum_{l = 1}^{d}\overline{A_l}Z_l}{B+\lambda}\right)]
其中，(Z) 表示预测位置处特征图的傅里叶变换。在提取特征之前，对要跟踪的目标进行双阈值判断：
- 当目标尺寸大于 (threshold_{max}) 时，降低目标的分辨率，以牺牲一些细节为代价来提高跟踪速度。
- 当目标尺寸小于 (threshold_{min}) 时，对目标图像进行上采样，获取更多目标信息和细节，提高跟踪结果的准确性。

传统的 KCF 跟踪器将宽度和高度的扩展系数都设为 2.5。但通过对视频序列的分析发现，高的目标可能会朝某个方向移动。因此，当目标的高宽比超过 (threshold_{sz}(1)/sz(2)) 时，应增大搜索区域。实验表明，此时高度的扩展系数设为 2.1，宽度的扩展系数设为 2.5 效果更佳。

为了独立训练尺度滤波器，训练样本数量不能过大或过小。过大的训练样本数量会降低跟踪速度，而过小则