基于自适应模型的时空上下文跟踪

摘要

针对当前时空上下文目标跟踪算法存在的易发生模型漂移的问题,提出基于自适应模型的时空上下文跟踪算法。该算法通过对常规模板保存多个历史快照模型作为多模板,当历史快照模板估计到比常规模板适应性更强的结果时,立即对常规模板进行回滚,可有效提升时空上下文跟踪算法的鲁棒性,在目标快速运动、快速旋转、运动模糊和严重遮挡的情况下依然跟踪准确。在Tracker Benchmark v1.0测试集上与原时空上下文目标跟踪算法的对比实验表明,平均正确率由38.61%提高到42.02%,并将平均中心坐标误差从85.57降低到62.78,而平均帧速则从45.89 fps下降到36.64 fps,依然满足实时跟踪的要求,表明该算法在面对多种因素干扰的场景下,仍能完成稳定的实时跟踪。