针对视觉跟踪中目标表观的复杂变化问题,提出了一种基于关键区域特征匹配的鲁棒跟踪算法.首先对目标模板进行初始化并通过滤波预测得到目标候选;然后采用自适应标记分水岭算法对目标模板和目标候选进行分割以提取关键区域,并利用像素的空间和频率分布特性对关键区域进行多重特征描述;最后通过关键区域的特征匹配得到目标模板与目标候选的匹配关系,由此确定最终跟踪结果并进行模板更新.对目标发生尺度、遮挡、旋转、光照、姿态、复杂背景以及运动模糊等变化的视频序列进行了仿真测试.实验结果表明,所提算法能够有效处理目标表观的复

目标发生旋转和尺度变化等时会导致跟踪算法出现目标丢失和精度大幅度下降等问题。因此解决目标在运动过程中出现的旋转以及尺度变化问题成为当前的研究热点。提出具有旋转特性的目标跟踪算法,该算法以Hamed等提出的 BACF(background-aware correlation filter)为基准,保留BACF算法中的定位,将笛卡儿坐标系下的目标特征转换到极坐标系下,并采用傅里叶-梅林公式来计算目标旋转角度和尺度的改变,在公开数据集POT上进行验证和比较,发现经过改进后的算法在目标旋转时,矩形框可以