【儀表網(wǎng) 研發(fā)快訊】近日，中國科學院西安光機所空間光學技術(shù)研究室樊學武和趙惠研究員團隊在機器學習目標跟蹤領(lǐng)域取得新進展，相關(guān)成果發(fā)表于Expert Systems with Applications(IF = 7.5)。第一作者為中國科學院西安光機所特別研究助理蘇銀強博士，通訊作者為趙惠研究員，中國科學院西安光機所是第一完成和通訊單位。
 

 

　　近年來，判別式相關(guān)濾波器(DCF)的目標跟蹤方法因其可同時實現(xiàn)較好的跟蹤效率和有效性而備受關(guān)注。受邊界效應(yīng)、時序模型退化的影響，DCF經(jīng)常遇到模型漂移甚至跟蹤失敗的情況。通過構(gòu)建魯棒的目標外觀模型并設(shè)計輔助學習策略是抑制性能退化問題的重要手段。過往研究未能對目標的上下文和多線索特征的相關(guān)性進行有效地聯(lián)合建模，使得相關(guān)濾波器難以在目標區(qū)域中學習，削弱了濾波器的鑒別能力。
 

圖 基于背景約束和稀疏相關(guān)濾波器跟蹤框架圖
 

　　針對這一問題，團隊創(chuàng)造性地提出了一種新型的稀疏上下文感知的相關(guān)跟蹤濾波器。該方法構(gòu)建目標外觀模型時，巧妙地聯(lián)合了目標和及其周圍的背景信息，以自適應(yīng)地抑制潛在畸變。同時，通過在DCF框架中嵌入LASSO回歸和稀疏響應(yīng)約束雙向選擇具有正向參考價值特征。此外，該研究還充分利用機器學習特征和深度卷積特征的互補優(yōu)勢，配置了一種高置信度的從粗粒度到細粒度的啟發(fā)式跟蹤策略，進一步地提升了跟蹤的魯棒性和準確性。該項成果有望應(yīng)用于人機交互、智能監(jiān)控領(lǐng)域，并進一步推動相關(guān)技術(shù)的交叉融合與創(chuàng)新發(fā)展。
 

　　空間光學技術(shù)研究室樊學武和趙惠研究員團隊長期致力于高分辨率光學遙感及智能遙感技術(shù)研究，在IEEE TNNLS，TKDD，KIS，OE，OL等期刊上發(fā)表學術(shù)論文100余篇，授權(quán)專利30多項，依托在研的某重大型號任務(wù)，持續(xù)開展復雜場景下的目標識別、跟蹤及極端條件下的圖像質(zhì)量提升技術(shù)研究。目前，團隊由1名海外高層次引進人才、2名研究員、2名副研究員，多名特別研究助理及博士生組成。