李 军， 代 天， 魏 睿

(重庆交通大学 机电与车辆工程学院，重庆 400041)

0 引 言

目标跟踪算法有生成式和判别式两类，其中判别式算法是目前研究最多的方向。判别式跟踪算法是通过分类器将目标从背景中分离出来，通常将其视为一个二分类问题。如：Struck[1]算法、TLD[2]算法、MIL[3]算法、CT[4]算法等，该类算法首先在初始帧中的目标区域附近获得有限的正样本集和负样本集，并通过这些样本集来训练得到分类器，其次利用训练得到的分类器来估计候选样本的概率，将概率最大的视为跟踪目标。虽然上述跟踪算法已取得较好的跟踪效果，但现实环境中依然存在目标遮挡、快速运动和尺度变化等情况导致的目标跟踪失败[5]。

文献[6]提出了MOSSE跟踪算法，MOSSE算法首先利用目标区域图像样本来训练目标外观模型，其次在计算目标与候选区域之间的相似度时，采用快速傅里叶变换技巧，该方法提高了算法的计算速度，其速度可达到600帧/s以上。但MOSSE算法也是利用了候选样本有限的缺陷来训练分类器模型。

TLD解决了目标被遮挡或消失在相机视野里无法被捕获的问题[7],在第一帧中选择感兴趣的目标后，就能自动进行鲁棒跟踪[8]。

文献[9]提出的CSK算法可以对训练样本进行循环位移操作，获得大量训练样本，以便用来训练分类器，候选样本采用同样的操作，以此作为检测对象，通过快速傅里叶变换技巧，提高运算速度。Henriques等人对CSK算法进行了改进，提出了KCF算法。通过多通道的HOG[10]特征代替原来的灰度特征，并将HOG特征融入相关滤波框架，采用脊回归与循环矩阵对相关滤波进行核化。……