协方差矩阵具有融合多维特征,获得全局最优解的优点,在目标描述方面展现出了优秀的性能,然而传统的协方差匹配难以跟踪被严重遮挡的目标,且全局搜索易遭受相似背景的干扰。为了提高协方差跟踪的性能,提出了基于遗忘因子与卡尔曼滤波的协方差跟踪算法。利用协方差矩阵可实现多种特征的巧妙融合,采用基于遗忘因子的加权搜索策略,可以削弱窗口内相似目标的干扰,利用卡尔曼滤波预测目标运动轨迹并判断目标是否被严重遮挡,使遮挡消失后目标仍能被重新捕获。实验结果表明,该算法可在摄像机运动、目标旋转、缩放和被遮挡等情况下实现刚性

为提高视觉目标跟踪算法的稳健性, 提出一种基于协方差矩阵的多特征融合跟踪算法。在量子遗传算法框架下, 采用区域协方差描述子对颜色、边缘和纹理特征进行融合, 并采用一种快速协方差交叉算法进行模型更新。该算法综合利用了区域协方差描述子维数较低, 量子遗传算法收敛速度快且全局寻优能力强和快速协方差交叉算法快速计算的特点, 能极大地提高了融合、匹配与更新过程的运算效率, 实现了快速有效的多特征融合跟踪。实验结果表明, 该算法能够有效应对遮挡、旋转、形变和运动模糊等多种复杂变化的干扰, 实现对目标的快速稳