自适应学习的时空上下文目标跟踪算法

摘要

传统时空上下文目标跟踪(STC)算法在目标发生尺度变化时,跟踪窗口长期不变导致学习的上下文空间模型不具有针对性.为此,提出一种能够进行自适应学习的时空上下文目标跟踪(STC-AL)算法.在前后输出窗口提取尺度不变特征并消除误匹配,对匹配点集进行综合分析后调整输出窗口,并对传统空间模型的学习与更新进行改进.实验结果表明,STC-AL算法能够适应目标尺度变化,与STC算法、CT算法和KCF算法相比,跟踪结果更准确.