快速鲁棒高光谱目标跟踪算法

针对传统目标跟踪的难点如目标与背景混淆及目标外观急剧变化等问题,利用高光谱视频包含的二维空域信息和丰富的一维频谱信息,提出一种快速鲁棒目标跟踪算法FRHT.首先,在传统的空域注意力机制上基于高光谱数据的特点引入频谱注意力机制,设计了相关滤波框架下自适应更新学习的跟踪器;其次,手工设计高光谱运动目标特征以加快跟踪器运算速度;最后,提出一种运动目标异常检测机制,以增强跟踪器对各种干扰的鲁棒性.仿真结果表明,在高光谱数据集上,跟踪器FRHT的速度和精度显著优于KCF,SAMF和CSR-DCF等传统跟踪算法,精度提升2％以上;引入运动目标检测机制后,算法鲁棒性得到改善.