密度峰值聚类的全尺度相关滤波跟踪方法

来源：计算机工程与应用杂志2023年第5期北京时间：

作者：肖振久, 李鑫

单位：辽宁工程技术大学 软件学院，辽宁 葫芦岛 125105

摘要：针对背景感知相关滤波算法对目标进行尺度预测时采用图像金字塔，在跟踪过程中需要根据多尺度的目标样本训练出跟踪滤波器，导致跟踪过程中存在计算开销大、跟踪速度慢的问题，提出了一种基于密度峰值聚类的全尺度跟踪方法。分别提取搜索区域中目标和背景的特征信息，通过密度峰值聚类方法分别对目标和背景进行聚类；通过单尺度的滤波器对目标位置进行粗预测，并通过交替方向乘子法（ADMM）降低滤波器训练的时间复杂度；对搜索区域中的前景点和背景点进行分类，并根据尺度置信度得到目标的最终位置与尺度。该算法和目前一些主流的跟踪算法在公共数据集通过在OTB2013、OTB2015和DTB70上进行实验，在有效提高跟踪速度的前提下，面对旋转、遮挡等多种复杂情况时的跟踪效果较好、跟踪成功率较高，满足实时性要求。

关键词：目标跟踪,相关滤波,密度峰值聚类,计算机视觉