基于稀疏约束与双线索选择的目标跟踪算法

为了解决现有DCF类跟踪器存在边界效应及时间滤波器退化的问题，进一步增强其在复杂场景下跟踪的准确性，基于LADCF算法，提出了一种有效的双线索目标跟踪框架，用于鲁棒视觉跟踪。将结构化稀疏约束应用到多通道滤波器，并通过提取9维HOG特征与11维CN特征构建新的跟踪线索，与原有线索协同跟踪目标。建立可靠性评估策略，在每一帧中选择合适的线索进行跟踪。在OTB-50、OTB-100基准数据集上进行了定性和定量评价，实验结果表明，所提出的方法跟踪准确度相比LADCF算法提升了2.4%，相比ECO＿HC提升了3.7%，优于现有的主流跟踪算法，且跟踪速度达到21.1帧/s，可以实现实时跟踪。