(国防科学技术大学 电子科学与工程学院ATR实验室，湖南 长沙，410073)

目标跟踪技术的研究和应用是计算机视觉的一个重要分支，广泛应用于科学技术、国防建设、航空宇航、医药卫生以及国民经济的各个领域。由于被跟踪目标的不确定性，视频序列背景复杂等因素，基于模板的匹配跟踪成为目前视频跟踪领域最为实用的算法之一，特别是当目标具有一定的纹理和面积特征时，匹配跟踪是首选算法。理论上，在视频序列中进行匹配跟踪时，因为目标的外观在跟踪过程中不断变化，因此，模板也必须不断更新。最简单的更新策略是每帧更新模板，但是，由于跟踪误差的累积，当长时间进行匹配跟踪时，目标在模板中的位置会很缓慢地移动，甚至会移出模板，这个过程称作模板漂移[2−4]。模板漂移将直接导致目标丢失。为解决这一问题，Rasmussen等[5−7]提出利用初始模板加权来校正模板匹配的结果。但该方法仅在目标外观变化较小时有效，无法应对目标形变比较大的情况。Peacock等[8]在比较了不依赖于初始模板的各种模板更新策略后，认为用Kalman模板更新滤波器对模板进行滤波的策略对于漂移与噪声具有最强的鲁棒性。Nguyen 等[9−10]进一步研究了如何选取模板更新滤波器的 Kalman系数。但是，采用 Kalman模板更新滤波器需要对每个像素进行25次乘加计算，才能得到新的模板，当执行大尺度目标跟踪时，由于运算量过大，无法保证运算的实时性。为此，本文作者提出一种基于距离加权MAD的模板匹配算法。……