针对压缩感知目标跟踪算法在目标纹理改变、比例缩放、光照变化剧烈时鲁棒性不足, 提出一种面向高斯差分图的实时跟踪算法.首先, 构建图像的多尺度空间及其对应的高斯差分图, 实现高斯差分图的特征提取并获取压缩感知的输入信号;然后, 通过压缩降维, 目标邻域遍历, 参数更新等过程, 计算出面向高斯差分图的后续帧的目标最优跟踪窗;最后, 将跟踪窗投影到对应的原始图像上, 完成面向视频流的目标跟踪.高斯差分图像是单通道灰度图, 具有灰度取值范围小、数值低、结构简单、维数少等特点, 增强了特征对纹理改变、比例缩放和光照变化的稳健性, 且继承了传统算法的实时性.实验证明, 该算法能够快速准确地实现复杂环境下的移动目标跟踪任务.

针对传统mean-shift 算法核窗宽在跟踪过程中无法根据目标的大小变化进行相应调整问题。本文提出了一种基于分块的核窗宽调整mean-shift 跟踪算法。该算法在跟踪窗口中心与目标形心定位的基础上, 对跟踪窗进行分块, 根据候选目标跟踪窗和分块目标跟踪窗中心距离的变化, 对核窗宽的大小进行调整, 使得跟踪窗口始终与跟踪目标的大小相匹配。实验表明算法对跟踪变大和变小的目标均取得了较好的跟踪效果。