王明铭，王 鹏，李晓艳，杨永侠，郭 嘉

（西安工业大学，陕西 西安 710000）

0 引言

视觉目标跟踪是计算机视觉领域中具有挑战性的一项课题，主要目的是估计目标在整个视频序列中的位置及大小信息。随着现代化的发展，视觉目标跟踪得到了广泛应用，如人机交互[1]、视频监控[2]、机器人技术[3]以及医疗诊断技术[4]等。但是，由于目标在运动过程中可能会存在光照变化、形体变化、部分遮挡以及完全遮挡等问题，为实现精确的目标跟踪带来了较大挑战。

近年来，由于基于相关滤波的目标跟踪算法在运算速度和鲁棒性上具有更大的优势，因此相关滤波算法在目标跟踪领域受到了广泛关注。2013年，Henriques[5]等人提出了循环结构的核跟踪检测算法（Exploiting the Circulant Structure of Trackingby-detection with Kernels，CSK），通过循环矩阵扩展了样本数量并用于分类器的训练；2014 年，Danelljan[6]等人提出了基于颜色属性的目标跟踪器（Color Names，CN），并通过使用颜色属性特征提升了算法的分辨力；2015 年，Henriques[7]等人提出了核相关滤波器（Kernel Correlation Filter，KCF），通过将CSK 扩展为多通道方向梯度直方图（Histogram of Oriented Gradient，HOG），提高了目标定位精度；同年，Galoogahai[8]等人提出了限制边界的相关滤波器（Correlation Filters with Limited Boundaries，CFLB），采用较大的图像块与较小的滤波器进行目标检测，可有效解决边界效应问题；2017 年，Galoogahai[9]等人提出了背景感知的相关滤波算法BACF，在CFLB 的基础上将其扩展为多通道HOG 特征，从而提升了算法的准确率。但是，上述相关滤波算法使用的特征均较为单一，导致在面对复杂变化的场景进行跟踪时，算法的跟踪能力受限，分辨能力不强，且尺度更新能力一般。

因此，本文在BACF 算法的基础上提出了一种多特征的背景感知相关滤波跟踪算法。……