结合BRISK与区域预估的改进长时跟踪算法

鉴于传统的跟踪学习检测(TLD)算法存在稳健性差、跟踪成功率低以及运算效率低等问题, 提出一种结合二进制稳健不变可扩展关键点(BRISK)特征点与区域预估的TLD跟踪算法。在跟踪器中引入BRISK特征点, 将其与传统的用于跟踪的普通像素点相结合, 共同用于目标跟踪, 由于BRISK特征点提取较快, 从而使得跟踪器部分的总体运算时间降低;在检测器部分采用了卡尔曼滤波器与马尔可夫模型方向预测器相结合的方式, 该方式使得最终送入到检测器的子图像块数量大幅缩减, 且对相似目标的辨别能力增强, 进而提升了检测器的速度和精度。实验结果表明, 相比于传统TLD算法, 所提TLD算法的跟踪精度提高约64.4%