基于Fast Trackingvia Spatio-Temporal Context Learning目标跟踪所感

项目工程网址如下：http://www4.comp.polyu.edu.hk/~cslzhang/STC/STC.htm

特别感谢zouxy09博主所做的论文解读及C++代码分析：http://blog.csdn.net/zouxy09/article/details/16889905

 

传统的目标跟踪领域所实用的是基于Discriminative的跟踪方法，即先提取目标的特征再利用分类器区分目标和背景达到对目标的跟踪效果。本文提出了一种全新的目标跟踪算法，基于时空上下文实现对目标的跟踪，利用贝叶斯框架对要跟踪的目标及局部上下文区域进行建模，结合这一关系和生物视觉系统上的focus of attention特性来评估新的一帧中目标出现位置的置信图，置信度最大的位置就是我们新一帧的目标位置。

算法流程：

1.在第一帧已知的情况下先求得目标的先验概率P(c(z)|o)和时空模型P(x|c(z),o)。

2.从第二帧开始，由当前帧的先验概率和上一帧的时空模型求得当前帧的置信图，并更新当前帧的坐标；同时由当前帧的先验概率和第一帧的置信图更新当前帧的时空模型。（论文中多尺度方面未做详细研究）

详细流程请参考zouxy09博主的详解。