单玉刚老师主持的湖北省教育厅科学研究计划项目《鲁棒的自适应尺度和方向的目标跟踪方法研究》（B2016175）于2020年6月结题获批。该项目研究内容分为两部分：

1.自适应尺度和方向跟踪方法的研究。（1）综述尺度和方向研究方法；（2）自适应尺度和方向模板匹配跟踪；（3）改进相关滤波跟踪方法。

2.自适应尺度和方向跟踪应用研究。（1）人体头部跟踪应用；（2）车辆跟踪应用；（3）行人跟踪应用。

第一部分自适应尺度和方向跟踪方法研究

综述了自适应尺度和方向目标跟踪方法。对现有的目标尺度和方向跟踪算法进行了分类：增量式搜索、Meanshift迭代、角点匹配、区域二阶矩、粒子滤波、相关滤波器和深度学习跟踪算法等，分析了利用深度学习技术处理目标尺度和方向变化的策略，分析了各种算法的优缺点，并指出了它们的适用场合。对目标尺度和方向跟踪未来发展趋势进行了展望，并提出了主要挑战和难题。

针对在视频序列图像目标跟踪中，跟踪目标尺寸和跟踪目标相对背景运动的方位角都在实时变化，常规目标跟踪算法会引起尺度和方向定位偏差，导致跟踪漂移，甚至跟踪失败问题，提出模板匹配的目标尺度和方向自适应的跟踪方法。在Kalman滤波框架下，通过将运动目标的最小外接矩形信息转化为Kalman滤波参数，对目标运动进行建模。采用基于最小外接矩形的两步块匹配搜索方式实现对目标的中心定位，然后采用增量式搜索匹配方法根据最优尺度和角度的判别条件修正目标尺度和方向角度。通过动态评估不同目标模型在不同跟踪场景中的置信度，对目标模型进行动态更新。使用公用视频图像序列测试，实验结果验证了该方法的有效性。

针对DSST算法对目标方向发生变化时易出现的跟踪丢失问题，提出了一种改进的DSST目标尺度和方向自适应稳健跟踪算法。算法首先提取目标候选区域HOG和HSV特征，通过相关滤波算法构建多特征融合的二维定位滤波器，从而精确确定目标的中心位置。然后，根据方向池用HOG特征构建一维方向相关滤波器确定目标的最佳方向。并通过构建一维尺度相关滤波器确定最佳尺度。最后，根据PSR值变化情况调整相关滤波模型更新的权重，使模型适应目标的变化特征。选取OTB2013部分数据集进行测试，实验结果表明，本文算法距离精度保持在15pixels以内，成功率较DSST算法提高了20.1%，并且展示了算法对跟踪目标的尺度和方向变化具有鲁棒性和有效性。

第二部分自适应尺度和方向跟踪应用研究。

将尺度和方向跟踪方法应用到车辆跟踪上。针对交通监控场景中多目标粘连造成跟踪上的困难和前后两帧车辆关联困难，提出了区域运动相似性分割方法和相似度关联矩阵的解决方案；在运动目标检测过程中,首先使用背景差分法提取运动区域，经过消除缺口、空洞和分离等处理，在运动区域所在范围内进行块匹配搜索和局部光流计算区域运动矢量，然后使用模糊聚类方法对运动矢量区域融合，完整的分割出粘连运动目标；在目标跟踪部分,目标跟踪建立在目标关联的基础上，提出建立连续两帧目标间距离和局部二元模式相似度关联矩阵的方法进行运动目标标定，从而实现多目标关联；使用公共视频库的图像序列进行测试，表明了算法具有鲁棒性和适用性。

将Camshift跟踪方法应用在人体头部跟踪上。为了提高多模型切换Camshift头部跟踪的准确性，使用巴氏系数作为模型切换条件，更新时间由切换阈值决定。当超过切换阈值时，不同模型计算候选区的巴氏系数，选择最大的相似模型作为目标模型。使用头部旋转图像序列测试，效果良好。

改进SSD行人检测算法，为后续行人跟踪奠定基础。针对行人检测中利用 SSD 算法不易训练、检测精度低等问题提出一种改进算法。该 算法以 DenseNet 作为 SSD 的基础网络，并在其后添加四层卷积层构建新的网络。为充分利 用不同深度卷积层的信息，取新建网络的后四层和 DenseNet 中最后两个 Dense_Block 来提 取目标框。实验表明：与其他算法相比本文提出的方法对于不同场景下行人目标检测具有更 强的鲁棒性，对行人的检测率超过 92%，相比于改进前的算法提高 10%以上。

已出版的学术专著，发表的学术论文名称、出版部门、出版时间；待发表的专著、论文名称；成果的转化推广工作情况，成果已产生的经济、社会效益及获奖情况：

1.已出版论文

(1)单玉刚;胡卫国. 尺度方向自适应视觉目标跟踪方法综述.计算机工程与应用.2020.56(9):140-142.（北大核心期刊）2020-03-24（标注由“湖北省教育厅科学技术研究项目B2016175”支持）

(2)单玉刚,汪家宝. 鲁棒的自适应尺度和方向的目标跟踪方法.计算机工程与应用.2018.54(21):13-23.(北大核心期刊）2018-3-15（标注由“湖北省教育厅科学技术研究项目B2016175”支持）

(3)单玉刚,汪家宝,李世兴,董爽. 基于运动检测的多车辆跟踪方法研究.计算机测量与控制. 2017,25(3): 24-28. (中国科技核心期刊)（标注由“湖北省教育厅科学技术研究项目B2016175”支持）

(4) Yugang Shan,Jiabao Wang,Feng Hao .  Camshift head tracking based on Adaptive multi-model switching [C].IAEAC2017,2017: 2535-2539.（2017-3-25）（EI conference）

2.待发表论文

(1)单玉刚,郝峰. 尺度方向自适应的相关滤波跟踪[J].计算机仿真. (北大核心期刊）标注由“湖北省教育厅科学技术研究项目B2016175”支持）

(2)董永昌，单玉刚*（联系作者），袁杰，基于改进SSD算法的行人检测方法.计算机工程与设计. （北大核心期刊）标注由“湖北省教育厅科学技术研究项目B2016175”支持）