针对上下文感知相关滤波目标跟踪算法中, 上下文背景样本等值权重训练, 对背景信息滤波过于平滑的问题, 提出了一种自适应上下文感知相关滤波算法, 同时为了解决目标遮挡的问题, 引入一种新的遮挡判定指标。首先, 提取目标上下左右4个方向的背景样本学习到滤波器中, 利用卡尔曼滤波对目标运动状态进行估计, 预测目标的运动方向。在滤波器训练时, 对目标运动方向上的背景样本训练时赋予较多的权重; 接着, 在模型更新时引入一个新的遮挡判定指标APCE, 只有当响应峰值和APCE数值分别一定比例大于各自的历史均值时, 才对目标模型进行更新; 最后将本文算法与当前一些主流的跟踪算法在CVPR 2013 Benchmark进行对比实验。仿真实验结果表明, 本文算法的精准率和成功率分别为0810和0701, 均优于其他算法, 充分体现出了本文提出算法的鲁棒性。

为解决稳像过程中局部运动分量导致的全局运动估计不准确问题, 提出了一种实时电子稳像方法.该方法提出基于最小生成树的特征点迭代筛选算法, 采用相邻帧图像特征点最小生成树的相似度衡量特征点匹配精度, 剔除错误匹配的特征点和局部运动前景上的特征点, 避免了局部运动分量的影响. 采用自适应加权法修正相邻帧之间的仿射变换矩阵, 解决由于运动前景遮挡造成的背景特征点数量稀少进而导致的稳像晃动问题. 针对相机跟拍与随机抖动分量混合问题, 提出基于运动矢量队列的双卡尔曼滤波器, 自适应地修正卡尔曼滤波器的测量噪声协方差, 动态调整滤波平滑性能, 有效处理同时包含相机跟拍运动与随机抖动分量的视频, 保留相机跟拍分量.实验表明, 该方法对于视频图像中包含局部前景运动和相机跟拍运动的情况, 对比其他3种方法, 仍可以保持良好的稳像效果; 在Intel Core i5 3.30 GHz CPU下, 对于640×360分辨率的彩色图像序列可达到40FPS的稳像帧率, 并且运算过程中无需利用下一帧图像信息, 具有实时稳像的优点.