龚 真，王晓凯+，陈 浩

(1.山西大学 物理电子工程学院，山西 太原 030006；2.北京航天航空大学 宇航学院，北京 100083)

0 引 言

相关滤波[1]在跟踪领域首次使用使得鲁棒性有了更高提升[2]，通过第一帧目标训练滤波器，再与下一帧目标区域进行相关运算，搜索最大响应值为目标位置，具有高运算速度，但准确度不够好。接着在此基础上通过引入循环矩阵密集采样目标和背景信息[3]，使用核技巧对非线性特征空间进行分类，提高了目标跟踪的精度。随后Henriques等[4]又提出多通道的HOG特征的核相关滤波跟踪算法(KCF)。文献[5]提出了多特征融合的自适应相关滤波器，将HOG特征与颜色特征融合，两者特征互补，提高了跟踪的准确性。

尽管核相关滤波在跟踪领域取得较好结果，但其在目标跟踪中由于单一特征容易造成误差累积导致跟踪出现差错[6]。本文在核相关滤波跟踪框架下[4]引入HOG、CN及LBP这4个特征进行线性融合，将融合的特征代替KCF中单一的HOG特征；另外，为避免由于遮挡或更新错误导致的跟踪失败，引入多峰值置信度的更新方式，降低因错误帧导致跟踪失败的几率；并且使用5个多特征融合的核相关滤波，通过鲁棒性得分在视频序列的每一帧中选出最优的结果。

1 核相关滤波目标跟踪

KCF跟踪器的关键是循环矩阵结构在对样本进行密集采样的同时，利用检测器方案增加负样本以提高跟踪的分辨能力。并且引入核方法处理非线性分类问题，将相关滤波快速扩展到多通道情况，使得核相关滤波更加具有鲁棒性。……