程语嫣，张九根，杨圣伟

(南京工业大学 电气工程与控制科学学院，江苏 南京 211816)

0 引 言

目标跟踪算法是计算机视觉的一个重要分支，视觉目标跟踪算法主要是对视频画面中人工标定或自动检测出的目标区域实时跟踪锁定。根据构建外观模型方法的不同，目标跟踪算法主要分为两类[1]：基于生成模型的跟踪算法和基于判别式模型跟踪算法。前者的主要思想是通过寻找最佳匹配的窗口来定位，而后者的主要思想是学习从背景中区分目标来找到目标位置。

核相关滤波器跟踪算法(KCF)[2,3]属于判别式模型跟踪算法，因其极高的运算效率受到众多研究者的青睐。Martin Danelljan等提出了CN[4]和DSST[5]跟踪算法，CN通过引入CN颜色特征进一步提高跟踪算法的精度，DSST算法在KCF算法的基础增加了目标多尺度适应。

由于KCF仅使用HOG特征描述目标，且无尺度适应能力，每一帧都更新模型，无法满足复杂背景下的长时间目标跟踪场景跟踪要求[6-8]。为兼顾跟踪速度和准确准确率，本文以KCF目标跟踪为框架，提出了一种基于多特征融合和尺度自适应的核相关滤波目标跟踪算法。首先分别使用3个特征训练获得3个滤波器，在检测环节对多个响应图的结果自适应加权预测出目标位置，提高了视觉跟踪算法在复杂背景下的适应能力；然后利用图像感知哈希算法能够快速匹配合适的目标尺度；针对模型更新环节，依据响应图的震荡程度优化模型更新策略，降低模型漂移发生的概率，提高算法长时间跟踪的稳定性。……