摘 要

相关滤波算法兼顾高效率与高准确率，在目标跟踪领域受到认可和广泛的使用。一般的跟踪算法计算复杂度很高，为了降低跟踪算法的计算复杂度，根据卷积定理，对目标区域进行滤波求出对应响应值的卷积，这个操作过程可以直接转化为频域中的点乘操作。这种十分巧妙的设计，能极大的降低跟踪算法的计算复杂度，从而提高目标跟踪的效率。本论文主要研究了线性核函数，多项式核函数以及高斯径向基核函数在相关滤波算法中对于目标追踪算法的实时响应速度的影响。本文使用matlab软件运行KCF算法，研究在使用不同核函数时性能的差异。通过对不同核函数对KCF算法影响的实验结果分析，探讨在各种复杂情况下，核函数的选择所带来的影响，进而提升目标追踪算法的效率。

关键词：相关滤波；核函数；KCF算法

Abstract

The correlation filtering algorithm takes into account both high efficiency and high accuracy, and is recognized and widely used in the field of target tracking. Generally, the calculation complexity of the tracking algorithm is very high. In order to reduce the calculation complexity of the tracking algorithm, the target area is filtered according to the convolution theorem to find the convolution of the corresponding response value. This operation process can be directly converted into a point in the frequency domain Multiply operation. This very clever design can greatly reduce the computational complexity of the tracking algorithm, thereby improving the efficiency of target tracking. This paper mainly studies the effect of linear kernel function, polynomial kernel function and Gaussian radial basis kernel function on the real-time response speed of the target tracking algorithm in the correlation filtering algorithm. This article uses matlab software to run the KCF algorithm to study the difference in performance when using different kernel functions. Through the analysis of the experimental results of the impact of different kernel functions on the KCF algorithm, the impact of the choice of kernel function in various complex situations is explored, thereby improving the efficiency of the target tracking algorithm.

Keywords：Correlation Filter; kernel function; Kernel Correlation Filter

目 录

目 录 1

第 1 章 绪论 1

1.1 研究背景及意义 1

1.2 国内外发展现状 1

1.3 本文的结构 2

第 2 章 目标跟踪算法 3

2.1 目标跟踪算法综述 3

2.2 早期目标跟踪算法 4

2.2.1 MIL     4

2.2.2 MOSSE 4

2.2.3 TLD 4

2.2.4 Struck 4

2.2.5 CSK 5

2.3 Kernel Correlation Filter核相关滤波算法 5

2.4 KCF算法主要原理 5

2.5 本章小结 7

第 3 章 核函数 8

3.1 核函数的概念 8

3.2 核函数方法的特点 9

3.3 常用核函数 10

3.4 本章小结 10

第 4 章 使用KCF算法进行基准测试 11

4.1 三种核函数的Visual Tracker Benchmark 11

4.2 核函数的参数 12

4.3 实验结果分析 13

第 5 章 总结与展望 14

5.1 总结 14

5.2 展望 14

参考文献 15

附录 18

致谢 19

绪论

研究背景及意义

人类的视觉系统具有很强的目标跟踪能力，能在背景杂乱的环境下辨识目标，同时快速联想目标的潜在特性，当目标被短暂遮挡时会做出合理假设，还能明白感兴趣的目标和其他目标间的相互关系，预测目标在特定环境下可能 出现的行为等。

然而随着现代社会的飞速发展，当面对交通路口以及人山人海的广场等环境时仅凭人类的视觉系统很难再跟上大量快速目标的辨识，据研究表明，人的视觉系统最多只能同时专注于八个低速运动目标。在目标数量过多时，人的视觉系统会自动忽略多余的目标。最后，人的视觉系统容易疲劳，保持长时间的高强度的工作会明显降低视觉系统的工作效率。因此，设计出代替人的视觉系统工作的智能视觉目标跟踪系统具有重要的意义。

国内外发展现状

最早在2010年，基于相关性滤波的目标跟踪算法就已经出现。相关性在信号处理领域表示两个信号之间的联系。在单个目标跟踪中，跟踪的目的就是在视频中的每一帧中搜寻与被跟踪目标联系程度最紧密的信号，并将其作为目标跟踪定位的依据。相关性滤波目标跟踪算法属于判别式方法，算法把目标跟踪转换为目标分类问题，即对每一帧判断出目标区域和非目标区域。相关性滤波跟踪方法采用自适应滤波器，从而增强了分类器的判别效果。自适应滤波器可以通过目标的外观和对应的响应值训练而来。一般而言，滤波器在目标中间位置的响应值应该最高，而离目标越远，响应值就越小。为使滤波器能及时反应目标的状态，相关性滤波方法对于每一次的成功跟踪都会根据当前外观模型更新滤波器。为了降低算法的复杂度，根据卷积定理对目标区域进行滤波，求对应响应值的卷积，该操作过程可以直接转化为频域中的点乘操作。这种巧妙的设计极大的提高滤波过程的速度，提高了目标跟踪的效率。当前，基于相关性滤波的目标跟踪方法受到学术界和工业界的极大关注。其不仅跟踪精度高，并且运行速度快，在公共测试数据库上达到甚至超过实时运行要求。近几年，相关滤波目标跟踪算法不断提出新的改进算法，主要在如下几个方面取得了进展。第一，使用更好的训练方案训练判别器；第二，提取更好的外观特征，比如提取图像的方向梯度直方图；第三，考虑跟踪目标尺度变化的影响；第四，结合长时间跟踪策略。虽然基于相关滤波的目标跟踪算法是近几年才被提出来的一种非常年轻的算法，但是其优异的实用性能展现出了非常具有潜力的应用前景。在接下来的发展中，基于相关滤波的目标跟踪算法将在视觉目标跟踪系统起到举足轻重的作用。

本文的结构

KCF（Kernelized correlation filter）是一种判别式追踪方法，这类方法一般都是在跟踪目标的过程中训练出一个目标检测器，使用目标检测器去检测下一帧的预测位置，然后再使用新检测结果去更新目标检测器的训练集。在训练目标检测器时一般选取的目标区域为正样本，而目标周围的区域选取为负样本，可以确定，越靠近目标的区域为正样本的可能性越大。本文主要研究了不同核函数堆与KCF算法的跟踪性能的影响，主要结构如下：

第二章主要简单介绍了一些目标跟踪算法的基本原理，并分析了它们的优缺点。首先介绍了早期的目标跟踪算法如MOSSE和CSK等，然后较为详细的介绍了KCF算法的原理以及实现，其中重点讲述的循环矩阵和核方法的作用。