基于稠密采样的海上红外目标跟踪算法

在红外背景下,长时间鲁棒跟踪运动目标是一个具有挑战性的问题.提出了一种基于稠密特征采样(DSIFT)并结合词袋模型与粒子滤波的算法来处理海上红外目标跟踪问题.该算法首先采用DSIFT算法对目标区域及其邻域进行稠密采样并进行特征描述,从而得到包含正负样本的特征向量,然后采用聚类算法构建视觉字典来建立有判别力的目标外观模型.在跟踪过程中,对候选区域稠密采样并用学习得到的视觉字典进行外观表示,然后计算候选区域与目标区域似然,在贝叶斯框架下使用最大后验概率方法实现对目标的准确跟踪.实验结果表明,该算法与相关算法比较,能够有效处理红外海上目标快速运动、外观变化、背景混淆、部分遮挡而导致跟踪性能下降甚至跟踪目标丢失的问题.同时在典型图像序列上,该算法也具有较好的鲁棒性.