申 远，杨文柱，周 杨

(河北大学 网络空间安全与计算机学院，河北 保定071002)

0 引 言

目标跟踪是机器视觉领域的研究热点之一[1]。如何实现在尺度变化、目标遮挡、光照变化和目标形变等复杂条件下的鲁棒跟踪是目前目标跟踪面临的主要挑战[2]。在当前的研究中，核相关滤波算法(KCF)[3]因其高速的特点表现优异，但仍难避免鲁棒性低的情况。为解决其在跟踪过程中目标遮挡和出视野的问题，马超等在LCT[4]算法中加入基于置信度的目标检测机制。为进一步提高跟踪的准确性，王蒙蒙等[5]提出了多峰检测和高置信度更新策略。由于传统特征都是浅层像素特征，限制了跟踪精度的进一步提高，因此HCF[6]算法使用了包含大量抽象信息的卷积特征，从训练后的VGG-Net[7]中提取3个卷积层的特征来训练对应的相关滤波器，算法的精确度得到一定的提升，但计算复杂度较大。对此，多种算法[8-10]从卷积的角度进行改进，虽然计算量得到了降低，但仍然对硬件有较高的要求。

在上述研究的基础上，为进一步提升相关滤波类算法的跟踪精度，设计了一种基于通道选择与目标重检的跟踪算法。为了降低卷积特征对模型运行速度和准确度带来的影响，对卷积通道进行了筛选；为了提高跟踪的准确性，对跟踪失败的帧进行重新定位并对模板的更新设置了约束条件；为了实现尺度自适应的目标跟踪，用不同比例的搜索框对位置滤波器进行训练，使算法达到了较好的跟踪效果。……