基于KCF的目标跟踪算法改进及GPU系统实现

【摘要】：目标跟踪技术是计算机视觉领域中的一个关键课题,在国防作战、人机交互、交通监控等领域有重要的作用。近年来新的跟踪算法不断提出,准确率不断提高,但面对实际复杂多变的跟踪场景,在兼顾跟踪准确率和跟踪速度方面仍存在很大挑战,本文面向的需求是高速视频跟踪,跟踪速度要求达到400FPS以上。KCF是一种基于核相关滤波的目标跟踪算法,其利用循环矩阵构造训练样本,并结合快速傅立叶变换,大大提高了跟踪速度;通过核函数对多通道的FHOG特征进行融合,提高目标跟踪的准确率。但KCF算法在尺度变换、特征提取、目标丢失等方面仍有不足。本文将对KCF算法进行优化,并使用GPU对KCF算法进行加速,主要工作包括:(1)从特征提取和尺度变换方面优化KCF算法。提出融合FHOG、CN基础颜色、HS色度饱和度特征的新特征CH_FHOG,在CVPR2013视频集中测试,跟踪准确率提高了4.9%;优化尺度自适应算法参数,并结合新特征CH_FHOG,跟踪准确率提高了8.9%。(2)使用GPU加速KCF算法,搭建高速目标跟踪系统。实验表明,使用FHOG特征和高斯核时,跟踪速度可达650FPS,相比CPU串行最高加速比可达48;使用FHOG特征和线性核时,跟踪速度可达800FPS,相比CPU串行最高加速比可达30;使用灰度特征和线性核时,跟踪速度可达1600FPS,相比CPU串行最高加速比可达100。