针对相关滤波跟踪框架中快速运动带来的边界效应和遮挡情况下模型错误学习的问题,提出多特征联合时空正则化的相关滤波目标跟踪算法。算法在第一帧提取目标区域的快速方向梯度直方图特征、颜色空间特征和深度卷积特征,并使用主成分分析法降低特征的维度;然后在相关滤波跟踪框架中加入空域和时域正则化项,来缓解跟踪过程中边界效应和模型退化等问题;最后结合尺度池方法,对跟踪目标进行自适应的尺度估计。实验结果表明,该算法在目标发生尺度变化、遮挡、快速运动等情况下,仍具有较好的跟踪有效性。

针对相关滤波跟踪框架中深度特征跟踪优势受限和计算存储存在冗余等问题,提出一种多尺度估计和自适应响应融合目标跟踪算法。该算法通过调整高斯标签参数,充分发挥手工特征准确性和深度特征鲁棒性优势,并学习连续域卷积算子融合多分辨率特征;为了减少计算和样本的冗余,通过分解卷积操作对特征进行有监督降维来减少模型参数,采用基于高斯混合模型的动态样本融合,并使用模糊稀疏的模型更新机制提高模型有效性;根据预测质量评估标准,进行自适应响应融合。实验结果表明:该算法在目标发生遮挡、形变和快速运动等多种情况下,具有较好的跟踪有效性。