一种基于加权时空上下文的鲁棒视觉跟踪算法

由于光照及外观变化、复杂背景、目标旋转与遮挡等因素的影响,给实现鲁棒的视觉跟踪带来困难.有效利用上下文(Context)中包含的有用信息有助于提升上述条件下视觉跟踪的鲁棒性.时空上下文(Spatio-temporal context,STC)算法是新近提出的一种基于时空上下文的目标跟踪算法,它利用目标周围的稠密上下文信息,取得了良好的跟踪效果.STC的不足是其同等对待整个上下文区域,没有对上下文做进一步的区分,减弱了上下文的作用.本文采用动态分区处理思想,根据上下文中不同区域与跟踪目标运动相似度大小,赋予不同权值,提出了基于加权时空上下文(Weighted spatio-temporal context,WSTC)的鲁棒视觉跟踪算法.最后在公共数据集上进行的对比实验表明,本文所提出的算法具有更好的跟踪效果和鲁棒性.