时空上下文视觉跟踪（STC）算法的解读与代码复现

 

四、算法描述

         简单的算法描述如下，编程实现其实也是这个过程。（另外，不知道我的尺度更新的位置对不对，望指点）

（1）t帧：

         根据该帧图像I和得到的目标位置x*。顺序进行以下计算：

1）学习空间上下文模型：

2）更新跟踪下一帧目标需要的时空上下文模型：

3）更新尺度等参数：

 

（2）t+1帧：

1）计算置信图：

2）找到最大值，这个最大值的位置就是我们要求的目标位置：

 

五、代码实现

       我的代码是基于VS2010+OpenCV2.4.2的（暂时还没加入边界处理，也就是跟踪框到达图像边缘的时候就会出错）。代码可以读入视频，也可以读摄像头，两者的选择只需要在代码中稍微修改即可。对于视频来说，运行会先显示第一帧，然后我们用鼠标框选要跟踪的目标，然后跟踪器开始跟踪每一帧。对摄像头来说，就会一直采集图像，然后我们用鼠标框选要跟踪的目标，接着跟踪器开始跟踪后面的每一帧。

       另外，为了消去光照的影响，需要先对图像去均值化，还需要加Hamming窗以减少图像边缘对FFT带来的频率影响。Hamming窗如下：

 

       另外，OpenCV没有复数（FFT后是复数）的乘除运算，所以需要自己编写，参考如下：

复数除法：

复数乘法：

 

具体代码如下：

STCTracker.h

1. // 快速对象跟踪算法
2.   
3. #include <opencv2/opencv.hpp>  
4.   
5. using namespace cv;  
6. using namespace std;  
7.   
8. class STCTracker  
9. {  
10. public:  
11.     STCTracker();  
12.     ~STCTracker();  
13.     void init(const Mat frame, const Rect box);   
     3/12   首页 上一页 1 2 3 4 5 6 下一页 尾页