特征点辅助的时空上下文目标跟踪与定位.pdf,针对动态目标跟踪中快速运动和目标遮挡而跟踪失败问题，提出了一种特征点辅助的时空上下文跟踪算法。首先提取目标特征点，通过特征点匹配和光流跟踪方法进行目标追踪，获得目标预估位置；其次，建立特征点变化率和时空上下文模型更新率关系模型，实时调控更新率，防止引入错误信息；最后，在预估位置区域内，构建局部上下文外观模型，计算与时空上下文模型的相关性获取置信图，进一步精确定位目标。算法在一组测试视频集中进行验证，相比目前4种主流算法(平均跟踪成功率最高为60%，

动态视频中的小运动目标跟踪

运动目标图像的检测跟踪技术是计算机视觉的关键技术之一，广泛应用于工业、交通、军事等诸多领域。基于无人机平台下的动态场景运动目标检测与跟踪是该领域的一个技术难点，在实际应用中，环境复杂、目标较小和平台运动等特性对算法的实时性和可靠性提出了较高的要求。如果能将目标的一些其它特征加入到搜索过程中就有可能改善Camshift本身存在的不足。本文以跟踪算法Camshift为基础，将SURF特征检测整合到Camshift算法中，大大提高了目标物体的跟踪准确度，同时也有较好的实时性，能够对目标实现更好的跟踪，