车辆自动驾驶技术再突破！这项技术提高平台跟踪性能
近日，中国科学院西安光机所空间光学技术研究室研究员赵惠团队在计算机视觉目标跟踪领域取得重要进展，研究成果发表于计算机科学领域中国科学院一区TOP期刊Knowledge-Based Systems（IF = 7.2）。论文第一作者为中国科学院西安光机所特别研究助理苏银强博士，通讯作者为赵惠研究员，中国科学院西安光机所是第一完成和通讯单位。
基于上下文感知和畸变抑制的双模态耦合优化的长时相关滤波器跟踪框架。西安光机所供图基于判别式相关滤波（DCF）的跟踪框架在高动态、高密度杂波环境下跟踪微弱目标时，易出现模型漂移现象甚至跟踪失败的情况。近年来，学界致力于通过构建鲁棒的目标外观模型并引入辅助策略，以抑制跟踪性能下降问题。但现有研究在应对目标周围的背景变化时，难以有效抵抗潜在畸变干扰。当目标外观剧烈变化或背景信息过多时，滤波器易受环境干扰，导致定位可信度显著降低。
对此，研究团队基于前期提出的稀疏上下文感知的相关跟踪滤波框架（https://doi.org/10.1016/j.eswa.2024.126225），创新性地构建双模态耦合优化机制。该机制通过上下文感知协同建模与动态畸变自适应抑制的联合约束策略，构建具有背景抗扰性与外观稳定性的新型相关滤波器。研究团队在DCF框架中显式集成上下文信息，既能感知目标周围背景变化又可削弱外部干扰的影响；同时通过约束检测阶段的响应图梯度，保持滤波器内部结构的稳定性。此外，团队还提出一种基于历史响应池反馈的高度协调机制，在确保目标模板高置信度更新的同时，为目标重捕获机制提供引导策略，进一步提升复杂场景下跟踪的鲁棒性和准确性。
研究团队还同步开发了易于嵌入式部署的轻量化方法“A Visual Tracking Algorithm Based on Context Constraint and Aberration Suppression with handcrafted feature”，通过异构计算迁移、多线程并行加速和动态调控等技术手段，在国产嵌入式平台上实现了高帧频、强鲁棒的跟踪性能，有望为遥感卫星监测、无人机自主导航和车辆自动驾驶等实际应用提供强有力的技术支撑。
研究获新一代人工智能国家科技重大专项、国家自然科学基金等项目支持。
赵惠团队近年来持续开展复杂场景下的目标识别、跟踪及极端成像条件下的图像质量提升技术研究，发布论文80多篇、授权专利20多项。
相关论文信息：https://doi.org/10.1016/j.knosys.2025.113658
本文链接：http://www.gihot.com/show-11-21083-0.html车辆自动驾驶技术再突破！这项技术提高平台跟踪性能
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇：新世界需要新史学｜荐书
