基于低通滤波时空上下文的鲁棒视觉跟踪算法

摘要

由于光照变化、目标外观的变化、尺度的变化、目标旋转、遮挡等诸多因素,进行鲁棒、实时的目标跟踪仍然面临很大挑战.时空上下文(Spatio-temporal context,STC)算法利用上下文中包含的有用信息提升目标跟踪的鲁棒性,取得了良好的跟踪效果.但是当跟踪目标比较小或者机动性较高的目标时,容易跟偏、甚至跟丢目标.针对上述缺陷,提出了一种基于低通滤波时空上下文(low pass filter spatio-temporal context,LPF_STC)的鲁棒视觉跟踪改进算法.采用低通滤波算法进行运动预测,对下一帧的目标位置进行预测,并将其作为下一帧时空上下文快速跟踪算法的迭代起点,提高目标跟踪鲁棒性.最后在公共数据集上进行的对比实验表明,所提出的算法具有更好的跟踪效果和鲁棒性.