陈 威，李决龙，邢建春，周启臻

(1.陆军工程大学 国防工程学院，江苏 南京 210007；2.海军海防工程研究中心，北京 100841)

0 引言

海上舰船目标的跟踪对于海上交通管理和海防安全等方面都有重大意义，一直是视觉跟踪领域的研究重点。海上背景复杂，目标难以采样，易受遮挡、波浪噪声、光照、尺度变化等因素影响，提高了跟踪的难度[1]。在本文中，主要解决海上目标长时间跟踪过程中出现的遮挡、尺度变化问题。

目前针对长时间的视频目标跟踪，国外研究人员Zdenek Kalal等人使用跟踪-学习-检测(Tracking-Learning-Detection，TLD)联合方案[2]进行了在线跟踪研究，取得了不错的效果，但是存在运行速度较慢的缺点。此外，已有学者将基于相关滤波器的方法成功引入到目标跟踪问题当中，有效地提升了运行速度。Bolme等人提出了一种在灰度图像上学习最小输出平方误差和(Minimum Output Sum of Squared Error，MOSSE)相关滤波器的跟踪算法[3]，只需要一个目标区域的样本图像训练目标外观模型，通过离散傅里叶变换将时域上的卷积转换为频域上的点积，从而提高了算法的运行速度。Henriques等人提出了循环结构检测跟踪(Circulant Structure of tracking-by-detection with Kernels，CSK)算法[4],通过循环移位对单帧图像密集采样得到大量训练样本来训练分类器，对候选样本同样采用循环移位，构造大量候选区域用于分类器的检测。Henriques等人在CSK的基础上提出核相关滤波器(Kernelized Correlation Filters，KCF)跟踪算法[5]，使用方向梯度直方图(HOG)特征[6]替代原算法中的灰度值特征，将相关滤波器由单通道扩展为多通道，提升了跟踪性能。国内研究人员张开华……