这篇文章的创新点有三点:
1)特征提取方面,将RGB颜色空间转换成CN颜色空间,一种只有11维却主要表示了自然界常用颜色的颜色空间。
2)目标表征方面,通过贝叶斯公式提出了背景加权抑制目标直方图表征方法。
3)尺度估计方面,对尺度连续变换、“小尺度游荡”两个问题加入了惩罚项,还提出了反向尺度一致性检查。
通过以上三个创新点,对如下几方面有一定的抵抗力:
1)光照变化,因为RGB颜色直方图容易受光照和姿态变化的影响,造成位置或尺度估计产生偏差,而CN特征空间由于只有11维的主体颜色,因此对光照、阴影、遮挡等变化造成的颜色失真不那么敏感。
2)复杂背景干扰和部分遮挡,因为通过贝叶斯公式引入了区分前景和背景的直方图区间所占的概率,减轻了背景的干扰。
3)尺度变化,因为对尺度变化的个别问题引入惩罚项,且提出反向尺度一致性的检查(判断由t帧得到的尺度与t-1帧的一致性系数来决定取舍)。
除此之外,其他的跟踪目标流程与传统方式相似,包括使用核跟踪方法进行目标模板与候选模板的筛选匹配、对目标位置使用Bhattacharyya系数衡量相似性、分别在式中求偏导等方法和公式,以及与MeanShift、LOT、SOAMST、CNSAT四种算法的实验数据分析对比,这里不多赘述,详情请浏览原文。