潘 磊，束 鑫，祁云嵩

(江苏科技大学计算机科学与工程学院，江苏镇江212003)

目标跟踪，也称视觉跟踪，是计算机视觉领域的一个热点问题，在视频监控、人机交互、视频压缩、行为分析等方面具有广泛的应用价值［1-2］.在跟踪过程中，首先通过人工在视频首帧选择出目标，其次对目标进行建模，然后利用预测或优化算法估计目标的下一帧位置，并对目标模型进行更新，从而进入迭代过程.传统的目标跟踪算法包括确定性方法和统计性方法，两者的代表分别为Mean Shift和粒子滤波.确定性方法计算量小，实时性高，但准确性相对较低;统计性方法计算量大，准确性高，但实时性相对较低［3-4］.

近年来，目标跟踪算法得到了众多的关注和研究.例如，文献［5］中提出一种基于超像素的鉴别外观模型，使用超像素中捕获的结构信息生成目标特征，较好解决了目标遮挡和漂移问题;文献［6］中将目标跟踪表达为结构化多任务稀疏学习问题，对目标遮挡、光照变化、姿态变形等具有较好的效果，并有效降低了粒子滤波计算的复杂度;文献［7］中将图像分割与目标跟踪相结合，采用像素空间与颜色特征，同时解决了跟踪与分割两类问题;文献［8］中提出一种基于压缩感知的跟踪算法，将目标高维特征投影到低维空间，提高了跟踪的实时性，并具有较高的准确性.虽然研究取得了较快的进展，但由于噪声、遮挡、光照、运动等不利因素的影响，解决目标跟踪问题仍然存在许多困难……