朱凌云

(中兴通讯股份有限公司 有线研究院， 江苏 南京 210012)

0 引言

视觉跟踪是计算机视觉领域中经典的研究课题有着广泛的应用.视觉跟踪是通过检测或者告知第一帧图像中目标的初始位置，在整个视觉序列中估计目标的轨迹，从而对目标进行定位的算法.近年来，视觉跟踪取得了较大的突破，但跟踪过程中目标可能发生剧烈形变、光照、被其他物体部分或完全遮挡、背景干扰等复杂情况，因此视觉跟踪仍面临严峻的挑战.

Bolme等人首次将相关滤波方法应用到视觉跟踪中，利用单通道特征求解最小二乘快速学习到相关滤波器，相关滤波器(Correlation Filter，CF)已被广泛认可为解决视觉跟踪问题的一种稳定且有效的方法[1].Heriques等人利用图像的循环结构[2]，提出了一种核化的相关滤波方法，解决了训练样本缺乏问题，同时在计算速率上达到了很好的实时性.在前景周围循环移动采样策略，在频率域中学习到CF跟踪器，会产生很高的计算代价.这些移动的图像块通过频率域相关循环特性立即生成，作为训练滤波器的负样本.Galoogahi 等人提出所有的移动图像块都会产生边界效应，从而影响CF跟踪器对跟踪性能[3].很多学者们陆续提出利用多通道特征或者多特征融合的跟踪方法提高跟踪效果，比如HOG特征和多颜色属性特征.Liu等人提出基于部分的跟踪技术以降低对部分遮挡的敏感度，并更好地保留目标结构[4].为了解决跟踪过程中目标形变问题，Danelljan提出了一种自……