于德鑫 王文强 曹晓杰

摘 要：为了改善时空上下文（STC）跟踪算法不能自动检测跟踪目标的缺点，提出一种帧间差分与STC相结合的自动检测跟踪算法。该算法将帧间差分法检测到的含有前景目标轮廓及位置的矩形框传送给STC跟踪器，可达到自动检测与跟踪目标的目的，并且提高了跟踪精确度，降低了手动选定目标框的繁琐程度。通过实验对改进前后的STC算法进行分析比较，结果表明，改进后的算法具有更高的跟踪精度，可实现对目标的稳定跟踪。

关键词：时空上下文;目标跟踪;帧间差分;自动检测

DOI：10. 11907/rjdk. 181770

中图分类号：TP312文献标识码：A文章编号：1672-7800（2019）001-0091-04

Abstract：An automatic detection and tracking algorithm based on frame difference and STC was put forward to improve the spatio-temporal context（STC） tracking algorithms failure to detect and track the target automatically. This algorithm transmits the rectangular box detected by the frame difference algorithm and contains the outline and position of the foreground object to the STC tracker. After the analysis and the comparison of the STC algorithm before and after improvement in the experiment，we conclude that the improved algorithm enjoys higher accuracy and achieves stable tracking of the target.

0 引言

目标跟踪是计算机视觉领域非常热门的研究课题[1-3]，在智能机器人、智能视频监控、工厂自动化、人机界面、车辆跟踪、视频压缩等领域应用广泛[4-5]。近年来，研究者们提出了大量目标跟踪算法，如TLD[6]、ASMS[7]、KCF[8]、MEEM[9]、HCF[10]、STRUCK[11]、MDNET[12]、MCPF[13]及LMCF[14]算法等，但是目标跟踪技术还有很大提升空间。如何克服目标形变、光照变化、复杂背景、目标尺度变化以及目标遮挡等因素影响，从而稳定、实时地进行目标跟踪是一个亟待解决的问题[15]。

为了达到稳定跟踪的目的，一些研究者利用目標周围的上下文环境辅助跟踪目标定位，取得了良好的跟踪效果。Zhang等[16]提出一种简单但速度快、鲁棒性好的时空上下文（Spatio-Temporal Context，STC）跟踪算法。该算法利用稠密时空上下文进行目标跟踪，基于贝叶斯框架将目标和周边稠密环境的关系用公式表达出来，对目标底层特征（图像密度、位置）与周边环境的统计特性进行建模，然后综合这种时空建模关系与视觉特性获得下一帧目标对象周围区域的置信图，置信图中最大的位置即对应目标在下一帧中可能出现的位置。……