尺度估计
-
-
基于时空上下文的STC快速目标跟踪算法
本项目完整实现了ECCV 2014论文《Fast Tracking via Dense Spatio-Temporal Context Learning》中提出的STC跟踪算法。该算法的核心思想是在贝叶斯框架下，通过学习目标与其周围密集区域的时空关系来进行目标定位。具体功能包括：1. 时空上下文建模：利用局部区域的亮度分布作为特征，建立目标与其周围背景的统计相关性模型，生成置信图以确定目标位置；2. 频域加速计算：引入快速傅里叶变换（FFT）将复杂的卷积运算转化为频域的逐点乘积，从而实现了极高的运行效率和实时性；3. 鲁棒性跟踪：通过结合时域上的历史信息和空域上的上下文约束，算法能够有效应对目标外观变化、光照剧烈波动以及部分遮挡等挑战；4. 尺度自适应：集成了尺度更新策略，通过分析最大后验概率响应的变化来动态调整跟踪框的大小，以适应目标在移动过程中的尺度缩放。该代码以MATLAB编写，结构紧凑，适合作为视觉跟踪研究的基准算法或实时监控系统的核心模块。
