董艳兵

（1.中国科学院上海微系统与信息技术研究所，上海200050；2.上海科技大学信息科学与技术学院，上海201210；3.中国科学院大学北京101407）

目标跟踪是计算机视觉中非常有挑战性的任务之一，它的目的是估计一个目标在图像序列里的位置。它在很多应用中有扮演了很重要的角色，比如人机交互，监控和机器人[1-2]。有一些因素，比如光照变化，遮挡，背景杂乱和变形使这个任务变得复杂。近些年来，相关滤波[3]已经被证明比那些非常复杂的方法更有竞争力，因为使用非常少的计算资源就可以达到很高的帧率和性能。这主要是利用了两个图像块的卷积等价于在频域逐元素进行相乘。因此通过在频域对问题进行建模，对于图像的多次平移，可以通过一次计算得到理想的线性分类器的输出。从而使得相关滤波在目标跟踪中得到非常广泛的使用。

1 目标跟踪

1.1 目标跟踪的定义

目标跟踪是跟踪一个目标在图像序列中的轨迹，要求跟踪算法是无模型，短期以及因果性，具体含义是:

1）无模型（model-free）:唯一的训练样本就是第一帧中目标的位置，用矩形框表示。

2）短期（short-term）:当跟踪器没有跟踪到物体时，不进行重新检测操作。

3）因果性（causality）:跟踪器不使用任何将来的图像帧来进行计算。

1.2 目标跟踪的流程

在文献[4]中，作者将一个跟踪系统分解成5个部分，每部分如下：

1）运动模型：基于上一帧估计出来目标的位置，运动模型会在当前帧产生一个候选区域的集合。

2）特征提取器：提取每个候选区域的特征。……