内点与外点的并发跟踪

在目标跟踪中，外点是降低基于图像的目标跟踪算法性能的主要因素之一。因此，大多数现有方法简单地丢弃检测到的外点，很少或根本不关注将其作为运动估计的重要信息源。我们认为外点与内点对目标跟踪同样重要，并提出了一种基于内点和外点并发跟踪的运动估计算法。我们的跟踪器利用 Lucas-Kanade 跟踪器的金字塔实现来估计内点和外点的运动流，并基于这两类信息稳健地估计最终的目标运动。来自具有挑战性的基准视频序列的实验结果证实了跟踪性能的提升，显示出与最先进算法相比，在严重遮挡下具有高度稳定的目标跟踪能力。所提出的算法即使不使用硬件加速器也能以超过 100 帧/秒的速度运行，这使得该方法更具实用性和便携性。