刘志峰，陈姚节,2,3，程 杰

(1.武汉科技大学 计算机科学与技术学院，湖北 武汉 430065；2.智能信息处理与实时工业系统湖北省重点实验室，湖北 武汉 430065；3.冶金工业过程国家级虚拟仿真实验教学中心，湖北 武汉 430065)

0 引 言

现如今，在计算机视觉领域里，越来越多的人开始关注目标跟踪[1]这样一个热门问题。目标跟踪在人机交互、自动驾驶以及智能视频监控领域有着十分广泛的应用[2-4]。目标跟踪任务指的是在给定视频序列初始帧目标位置以及大小的条件下，对后续视频帧目标位置以及大小进行预测。然而，在实际跟踪场景中，目标跟踪算法往往存在诸如遮挡、尺度变化以及快速运动等问题，因此，采取何种方式来实现目标的鲁棒跟踪以及快速跟踪仍是一项极具挑战性的任务。

近年来，以相关滤波[5]为基础的一些方法因为鲁棒性强、速度快且精度高等特点，已成为了当前的研究热点。Bolme等人研究出MOSSE(minimum output sum of squared error filter)[6]跟踪算法，首次将相关滤波应用到目标跟踪领域并取得了很好效果。Henriques等人则针对MOSSE算法涉及的核函数进行了优化和改善，进而提出了以循环为基础(circulant structure kernel，CSK)[7]的跟踪算法，借助循环矩阵性质最终实现了密集采样，解决了训练样本不足的问题。在此之后，Henriques等人又提出(kernel correlation filter，KCF)[8]跟踪算法，在岭回归中引入核函数，将单通道灰度特征用HOG特征来替代，提高了跟踪的精度。Danelljan等人借助颜色属性特征来针对CSK算法进行拓展[9]，此算法主要借助主成分分析的方法来针对11维颜色特征进行降维处理，最终达到2维层级，提升了跟踪的精度，即便是处于运动模糊或者目标变形等状态下依然能够得到良好的跟踪效果。……