陈均瑞 盛守照 李郴荣

（南京航空航天大学 南京 210016）

1 引言

目标跟踪技术是计算机视觉领域中一个重要的研究课题，在视频监视，无人驾驶，视觉制导等多个领域广泛应用［1］。近年，视觉跟踪算法发展迅猛，涌现了很多高性能跟踪算法［2］。视觉跟踪算法可分为生成式与判别式两种类型［3］。生成式算法如孙巧等［4］的提出基于粒子滤波的目标跟踪，判别式算法相对较多，2012 年 Zdenek Kalal［5］提出了Tracking-learning-detection算法，该算法通过引入检测器以及学习器较好地解决了目标变化以及目标丢失重跟踪的问题。Bolme等［6］提出的MOSSE算法首次将相关性滤波应用到视觉目标跟踪领域。2014年，Henriques等［7］提出了KCF和DCF算法，具有较优的跟踪性能。Martin Danelljan等提出了DSST算法［8］，较好地解决了跟踪尺度估计问题。C-COT［9］算法利用神经网络实现特征的提取，跟踪准确度有较大提升，但是速度较慢。成悦等［10］提出了基于多特征得到核相关性滤波方法，解决特征单一的问题。工程应用上普遍需要对目标长时间跟踪，基于相关性滤波算法在目标快速运动，尺度变化，遮挡以及目标离开跟踪视频等情况下，容易出现跟踪失败或者无法重新跟踪，这是当前亟待解决的一个问题。本文在核相关性滤波的基础上引入多尺度检测，同时引入TLD算法框架。并在多组实验中验证本算法的有效性。

2 算法总体设计

基于核相关性滤波算法可基本满足短时间的目标跟踪，因此本文引入TLD长时跟踪算法的框架，用以纠正核相关性滤波跟踪器出现的跟踪失败。同时本文设计了基于多尺度变化的核相关性滤波算法，用以跟踪器在目标大尺度变化与高速运动时的跟踪准确性。……