基于颜色标记的目标跟踪与运动意图检测新方法及其在复杂场景下的性能优化

《Engineering Applications of Artificial Intelligence》：A novel color marker-based target tracking and motion intent detection method

本文提出了一种创新的颜色标记目标跟踪与运动意图检测方法（CMTT），通过融合颜色分割、GoogLeNet（Grad-CAM）细粒度分类与卡尔曼滤波（Kalman filter）技术，显著提升了复杂场景（如光照变化、遮挡）下的跟踪鲁棒性。实验表明，在VOT（Visual Object Tracking）和DepthTrack数据集上，该方法在期望平均重叠率（EAO）、准确率（ACC）和鲁棒性（ROB）指标上均取得显著提升（最高提升34.3%），并通过实证研究与惯性测量单元（IMU）数据验证了一致性，为人机交互、智能驾驶等应用提供了高效解决方案。

　　

Highlight

CAM引导的颜色标记检测与多空间跟踪

为了探索所提出的基于颜色标记的目标跟踪和运动意图检测方法（CMTT）在增强颜色感知方面的适应性，本节重点分析了其在各种颜色编码条件下对不同颜色空间的响应。目的是验证其空间自适应机制在复杂背景下实现鲁棒目标检测的有效性。该机制解决了传统跟踪方法的局限性，这些方法常常...

结论

本文提出了一种新颖的基于颜色标记的目标跟踪和运动意图检测方法，解决了传统跟踪方法在复杂场景下的缺点，例如鲁棒性不足和运动意图检测精度低。通过对目标物体应用颜色标记，并整合颜色分割、掩码生成和卡尔曼滤波，基于颜色标记的目标跟踪和运动意图检测方法（CMTT）展示了其在...

CRediT作者贡献声明

王振宇: 审阅编辑、初稿撰写、方法论、数据整理、概念化。卢泽南: 调研、形式分析、数据整理。唐思敏: 审阅编辑、验证。王建民: 审阅编辑、可视化、资源、资金获取。

利益冲突声明

作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能影响本报告的工作。

致谢

本研究得到了中央高校基本科研业务费、上海市哲学社会科学规划办公室（项目号2024BJC009）以及高端外国专家引进计划（项目号H20240599和H20240596）的支持。同时由深圳市科技计划（项目号GJHZ20220913142401002）资助。本研究的关联数据集和源代码公开于https://github.com/wzy7421/CMTT.git。