红外图像实时在线离线跟踪算法研究

大多数基于目标检测的红外图像目标跟踪算法采取基于时空一致性在线模型更新策略。然而,当所跟踪的目标发生形变、快速运动和受到遮挡时,在线模型更新过程会受到不同程度的干扰而导致目标跟踪失败。基于孪生网络的离线模型跟踪策略则能够在目标发生扰动的情况下保持其外观模型的不变性。然而,在跟踪速度上与在线模型更新策略差距较大。提出了目标跟踪过程中的跟踪错误检测方法将在线和离线目标模型更新方法相结合,该检测方法通过基于联合响应图的离散度测量来联合2类模型更新方法,并能根据当前目标跟踪状态自动在2种模型更新方法中切换,有效地解决了跟踪算法实时性与鲁棒性的平衡问题。所提出算法在VOT-TIR-2015数据库的实验结果显示相比原有算法Staple和Siam FC在跟踪成功率上分别提高3.3%和3.6%,在跟踪精度上分别提高3.8%和5%,同时保证跟踪的实时性。