论文部分内容阅读
研究了一种将MeanShift和TLD结合的目标跟踪改进算法。当TLD跟踪框有较高的可信度时,以TLD输出的目标中心位置作为MeanShift跟踪算法的迭代起点;当置信度低时,将前1帧中目标跟踪框的中心位置作为跟踪的迭代开始点。比较表明,当目标被遮挡和抖动时,改进算法能实现稳定跟踪,实现了跟踪的鲁棒性。针对TLD算法通过均匀采样获得的特征点中存在较多的无用点,在TLD跟踪模块引入了更具鲁棒性的Susan角点作为目标的特征点。选择角点后采用金字塔LK光流法跟踪,跟踪过程中保留信息丰富的特征点,抑制了目