【儀表網 研發(fā)快訊】近日，中國科學院西安光機所空間光學技術研究室趙惠研究員團隊在計算機視覺目標跟蹤領域取得重要進展，研究成果發(fā)表于計算機科學領域中國科學院一區(qū)TOP期刊Knowledge-Based Systems(IF = 7.2)。論文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。
 

　　基于判別式相關濾波(DCF)的跟蹤框架在高動態(tài)、高密度雜波環(huán)境下跟蹤微弱目標時，易出現(xiàn)模型漂移現(xiàn)象甚至跟蹤失敗的情況。近年來，學界致力于通過構建魯棒的目標外觀模型并引入輔助策略，以抑制跟蹤性能下降問題。但現(xiàn)有研究在應對目標周圍的背景變化時，難以有效抵抗?jié)撛诨兏蓴_。當目標外觀劇烈變化或背景信息過多時，濾波器易受環(huán)境干擾，導致定位可信度顯著降低。
 

　　對此，研究團隊基于前期提出的稀疏上下文感知的相關跟蹤濾波框架(https://doi.org/10.1016/j.eswa.2024.126225)，創(chuàng)新性地構建雙模態(tài)耦合優(yōu)化機制。該機制通過上下文感知協(xié)同建模與動態(tài)畸變自適應抑制的聯(lián)合約束策略，構建具有背景抗擾性與外觀穩(wěn)定性的新型相關濾波器。研究團隊在DCF框架中顯式集成上下文信息，既能感知目標周圍背景變化又可削弱外部干擾的影響；同時通過約束檢測階段的響應圖梯度，保持濾波器內部結構的穩(wěn)定性。此外，團隊還提出一種基于歷史響應池反饋的高度協(xié)調機制，在確保目標模板高置信度更新的同時，為目標重捕獲機制提供引導策略，進一步提升復雜場景下跟蹤的魯棒性和準確性。
 

圖 基于上下文感知和畸變抑制的雙模態(tài)耦合優(yōu)化的長時相關濾波器跟蹤框架
 

　　研究團隊還同步開發(fā)了易于嵌入式部署的輕量化方法“A Visual Tracking Algorithm Based on Context Constraint and Aberration Suppression with handcrafted feature”，通過異構計算遷移、多線程并行加速和動態(tài)調控等技術手段，在國產嵌入式平臺上實現(xiàn)了高幀頻、強魯棒的跟蹤性能，有望為遙感衛(wèi)星監(jiān)測、無人機自主導航和車輛自動駕駛等實際應用提供強有力的技術支撐。
 

　　研究獲新一代人工智能國家科技重大專項、國家自然科學基金等項目支持。
 

　　趙惠研究員團隊近年來持續(xù)開展復雜場景下的目標識別、跟蹤及極端成像條件下的圖像質量提升技術研究，發(fā)布論文80多篇、授權專利20多項。