基于自适应模型的时空上下文跟踪

朱征宇，李帅，朱威（.重庆大学计算机学院，重庆400030；2.软件理论与技术重庆市重点实验室，重庆　400030）

基于自适应模型的时空上下文跟踪

朱征宇1，2，李帅1，朱威1
（1.重庆大学计算机学院，重庆400030；2.软件理论与技术重庆市重点实验室，重庆400030）

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。

目标跟踪；实时跟踪；时空上下文；自适应模型；模板快照

国家科技支撑计划重点项目（No.2011BAH25B04）、软件理论与技术重庆市重点实验室

0　引言

视频目标跟踪作为机器视觉领域的重要问题之一，是视频内目标识别、行为识别等后续工作的基础，所以目标跟踪有着广阔的应用前景，受到了世界各地研究者的高度关注。

目前实时跟踪的热点模型是基于在线学习的跟踪，而其中又分为生成模型和判别模型两种。生成模型以视频目标本身特征为考虑对象，根据目标样本生成模型参数，在后续帧中搜索与该模型特征最接近的图像块作为视频目标的结果。……