宁晨敬，张选德

（陕西科技大学电子信息与人工智能学院，西安710021）

0 引言

目标跟踪是计算机视觉研究的热点问题之一[1]，目前已被广泛应用于军事识别、航空航天、视频监控、人机交互等领域[2]。目标跟踪研究的目标是在初始帧给定目标位置和大小的情况下，在后续帧中能够继续预测目标的运动轨迹[3]。

现有的目标跟踪方法主要分为生成式方法和判别式方法[4]。生成式方法先学习一个能够表示目标的外观模型，再基于最小化误差的思想搜索候选区域，找到与目标最相似的图像区域。生成式算法的性能取决于对目标的描述是否成功，经典生成式方法有均值漂移[5]等。判别式方法把跟踪问题看作是二分类问题，训练一个能够将目标从背景中分离出的分类器，来完成目标跟踪[6]。基于深度学习和相关滤波的方法都属于判别式方法。尽管深度学习方法的引入，能够有效地提升跟踪算法的精度，目标跟踪问题中仍然存在难以解决的挑战，如场景因素（光照变化）、摄像机因素（视角变化）、遮挡等[7]。针对遮挡问题的目标跟踪，文献[8]根据不同的权重融合梯度直方图（Histogram of Oriented Gradient，HOG）特征和颜色命名（Color Name，CN）特征来表示目标，提高对目标的表征能力，并根据响应函数提出一种遮挡检测的方法。文献[9]将遮挡定义为部分背景点出现在目标区域的前方，若发生遮挡，采用背景跟踪器来分析背景点的运动轨迹，从而得到目标的相对位置。文献[10]提出帧差法检测目标，在遮挡位置采用最小二乘法拟合目标的运动轨迹，实现对目标的跟踪。……