孙金萍 ,丁恩杰 ,鲍 蓉 ,厉 丹 ,李子龙

（1.信息工程学院（大数据学院），徐州工程学院，徐州，221008；2.信息与控制工程学院，中国矿业大学，徐州，221008）

运动目标跟踪技术［1-2］是当前计算机视觉领域的重要研究方向，是一项复杂而具有挑战性的技术，融合了模式识别、图像处理和计算机应用等若干领域.运动目标跟踪是在给定初始帧中目标大小与位置的前提下，预测跟踪目标在后续帧中的大小与位置.其核心思想是：输入初始化目标框，在后续帧中通过算法产生众多候选框，提取这些候选框具有辨别能力的特征，用判别器对候选框进行打分，取得分最高的候选框作为预测的目标.目前目标跟踪算法主要有基于支持向量机分类器、基于相关滤波器以及基于深度学习三种.由于相关滤波器算法在跟踪效果和效率上都表现得比较优越，许多国内外学者将相关滤波器引入目标跟踪［3-4］，为了考虑外观随时间的变化，设计了颜色直方图［5］、方向梯度直方图［6］、尺度不变特征［7］和超像素［8］等手工特征来表示目标对象.深度特征是通过大量的训练样本学习出来的特征，比手工设计的特征更具有鉴别性，被广泛应用在目标识别［9］、图像分类［10］和图像分割［11］中.Berti⁃netto et al［12］提出一个结合梯度特征（Histogram of Oriented Gradient，HOG）及颜色特征的岭回归框架的实时跟踪算法.赵广辉等［13］、张子龙和王永雄［14］使用卡尔曼滤波算法来预测目标的状态，判断目标是否被遮挡并进行标记，预测后期仍被遮挡的目标.在长时间目标……