引入样本删除机制的TLD粒子群目标跟踪

　　　　　　　　　Ｏｔ　　　　　　　ｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｉｎｅｅｒｉｎ　　　　ｐｉｇｇ２０１９年５月　　　

第２７卷　第５期

　光学精密工程

ｏｌ．２７　Ｎｏ．５Ｖ

Ｍａ０１９２ｙ　

）文章编号　１９１１００４２４Ｘ（２０１９０５２０６２－－－引入样本删除机制的ＴＬＤ粒子群目标跟踪

２

，张　涛１＊，苗锡奎３郭巳秋１，

（吉林长春１中国科学院长春光学精密机械与物理研究所，３００３３；１．中国科学院大学，北京１２．０００４９；河南洛阳４３．中国洛阳电子装备试验中心光电对抗测试评估技术重点实验室，７１０００）为提高Ｔ本文从跟踪模块和学习模块两个方面对Ｔ摘要：ＬＤ算法在广泛场景下跟踪鲁棒性和实时性的问题，ＬＤ算法进用基于颜色特征的粒子群目标跟踪算法替代行了改进，提出引入样本删除机制的ＴＬＤ粒子群目标跟踪算法。首先，旋转、遮挡等情况下的跟踪鲁棒增强Ｔ尺度变化、ＴＬＤ算法中原来的跟踪模块，ＬＤ算法在应对目标出现非刚性形变、在跟踪过程中为样本库中正负样本数量分别设定一个阈值，当性。接着，针对ＴＬＤ算法的学习模块引入样本删除机制，正负样本数都达到各自阈值时，便会启动样本删除机制。然后，对待分类进入样本库的图像块进行等级评价，删除对正负样本表征能力都较弱图像块。最后，将样本库中的正负样本与当前目标进行相似度匹配，删除对当前目标表征能力低本文算法的Ｏ算的样本。通过对ＯＴＢ２０１３和ＯＴＢ２０１５数据集中相关视频序列的实验结果证明，ＰＥ精确度达到０．６８７，并显著了提高算法运算效率平均提高了２法的ＯＰＥ成功率为０．４８８，５．７１％。基本满足广泛场景下目标跟踪的鲁棒性，算法运算效率。

学习模块；样本删除机制关　键　词：目标跟踪；ＬＤ算法；Ｔ

：／中图分类号：Ａ　　ｄＴＰ３９４．１　　文献标识码：ｏｉ１０．３７８８ＯＰＥ．２０１９２７０５．１２０６

ＬＤａｒｔｉｃｌｅｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎｔａｒｅｔｔｒａｃｋｉｎＴ　　　　　ｐｐｇｇ

ｕｓｉｎａｓａｍｌｅｄｅｌｅｔｉｏｎｍｅｃｈａｎｉｓｍ　　　ｇｐ　

１２１＊３

，，ＭＳｉｕＨＡＮＧＴａｏＩＡＯＸｉｕｉｉＧＵＯｋＺ　　　　－ｑ－，

（１．ＣＩｏＯｔＦＭａＰｈａｎｃｈｕｎｎｓｔｉｔｕｔｅｉｃｓｉｎｅ　ｅｃｈａｎｉｃｓｎｄ　ｈｓｉｃｓ，　　　　ｆ　ｐｇｙＣＡｏＳＣＣｈｉｎｅｓｅｃａｄｅｍｃｉｅｎｃｅｓ，ｈａｎｃｈｕｎ１３００３３，ｈｉｎａ；　ｆ　ｙｇ　２．ＵｏＣＡｏＳＢＣｎｉｖｅｒｓｉｔｈｉｎｅｓｅｃａｄｅｍｃｉｅｎｃｅｓ，ｅｉｉｎ０００４９，ｈｉｎａ；　ｆ　ｆ　ｙｙｊｇ１　　

ｅａｂｏｒａｔｏｒｌｅｃｔｒｏ－ｉｃａｌｏｕｎｔｅｒｍｅａｓｕｒｅｓｅｓｔｖａｌｕａｔｉｏｎ　ｅｃｈｎｏｌｏＫＬｏＥＯｔＣＴ＆ＥＴ３．　　　ｙ　ｙｇｙ，ｆ　ｐ　

ｕｏａｎｌｅｃｔｒｏｎｉｃｉｍｅｎｔｅｓｔｅｎｔｅｒｈｉｎａ，ｕｏａｎ７１０００，ｈｉｎａ）ＬＥＥｕＴＣｏＣＬＣ　　　　ｙｇ　ｐｙｇ４ｑｆ　

ａＥ－ｍＺｃａｃｏｒｒｅｓｏｎｄｉｎｕｔｈｏｒ，ａｉｌ：ｈａｎＴ＠ｉｏｍｃ．ｎ＊Ｃｐｇｇｐ．　

：ｂｓｔｒａｃｔＴｈｉｓｓｔｕｄｉｍｒｏｖｅｄｔｈｅｔｒａｃｋｉｎｒｏｂｕｓｔｎｅｓｓａｎｄｒｅａｌｉｍｅｅｒｆｏｒｍａｎｃｅｏｆａｔｒａｃｋｉｎｅａｒｎＡｔｌ　　　　　　　　　－－－ｙｐｇｐｇ　　

，ｎｅｔｅｃｔｉｏｎ（ＴＬＤ）ａｌｏｒｉｔｈｍｆｏｒａｗｉｄｅｒａｎｅｏｆｓｃｅｎａｒｉｏｓｂｃｏｎｓｉｄｅｒｉｎｔｗｏｉｍｏｒｔａｎｔａｓｅｃｔｓｉｄ　　　　　　　　　－ｇｇｇｙｇｐｐ　　

，ｎａｍｅｌｔｈｅｔｒａｃｋｉｎａｎｄｌｅａｒｎｉｎｍｏｄｕｌｅｓ．ＴｈｅｓｔｕｄｒｏｏｓｅｄａＴＬＤａｒｔｉｃｌｅｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎ　　　　　　　　ｙｇｇｙｐｐｐｐ　　　（，ＰＳＯ）ｔａｒｅｔｒａｃｋｉｎａｌｏｒｉｔｈｍｕｓｉｎａｓａｍｌｅｄｅｌｅｔｉｏｎｍｅｃｈａｎｉｓｍ．Ｆｉｒｓｔｔｈｅｏｒｉｉｎａｌｔｒａｃｋｉｎｍｏｄｔ　　　　　　－－ｇｇｇｇｐｇｇ　　　

；修订日期：２２１００００１８２５０１９１３．－－－－　　收稿日期：

中国洛阳电子装备试验中心光电对抗测试评估技术重点实验室开放课题资助项目（Ｎｏ．ＧＫＣＰ２０１７００１；　　基金项目：

）Ｎｏ．ＧＫＣＰ２０１７００２