瑚 琦，查彤彤，李 锐

（1.上海理工大学 光电信息与计算机工程学院，上海 200093；2.上海理工大学 上海市现代光学系统重点实验室，上海 200093）

引 言

目标跟踪作为计算机视觉研究的一个重要课题，在交通巡逻[1]、自动驾驶[2]、智能人机交互[3]等众多领域中具有重要作用。尽管已有大量的研究成果，但是仍存在如快速运动、尺度变化和遮挡等亟待解决的问题[4]。由于相关滤波对于外界光照的敏感性以及目标自身的几何变化具有高效的计算能力和优越的鲁棒性，所以相关滤波在目标跟踪领域具有广泛的应用性。

Bolme等[5]将相关滤波应用于目标跟踪领域，通过计算目标和待测样本之间的信号相关性，对下一帧的目标位置进行判定。2014年，Henriques等[6]将高斯非线性核函数引入相关滤波，实现基于核相关滤波的高速跟踪。Danelljan等[7]引入尺度变换的概念，实现跟踪过程中的尺度自适应。Bertinetto等[8]提出将颜色特征[9]（Color）和梯度直方图特征[10]（HOG）按照一定比例的融合互补，从而提升目标运动过程中针对形变、光照等问题的鲁棒性。Danelljan等[11-12]使用连续的卷积滤波器并对特征图进行降维。在维持跟踪速度的同时，提高了跟踪效果。Galoogahi等[13]使用真实移位产生的负样本作为背景信息，有效抑制了边界效应，同时提出了一种基于ADMM[14]（交替方向乘子法）的优化方法，降低了计算量从而提升了跟踪速度。Li等[15]提出了Autotrack（automatic spatio-temporal regularization）算法，该算法引入自适应时空正则项，有效提升了跟踪速度。以上算法针对目标跟踪存在的问题分别做出了不同的改进，但边界效应和滤波器退化，始终影响跟踪器在应对快速运动以及遮挡等复杂场景问题时的性能。……