时鹏飞,高清维,卢一相,孙 冬

(安徽大学 电气工程与自动化学院，安徽 合肥 230000)

0 引 言

目标追踪是机器视觉中最重要的任务之一。近年来，目标追踪算法已广泛应用于各种应用，比如自动跟车系统以及智能监控等。使用计算机进行自动追踪一直都是一项复杂的工作。但是，由于其日益增长的重要性，目前已进行了大量的研究寻求更加快速准确的追踪算法，比如均值漂移(mean shift)算法[1]、粒子滤波(particle filtering)追踪算法[2]以及增量视觉追踪(incremental visual tracking)算法[3]和时空上下文(spatio-temporal context)追踪算法[4]。总体来说，追踪算法可以分为两大类，即生成式方法[5]和判别式方法[6]。生成式方法通过提取目标中的某些特性来建立一个目标模型，然后通过比较模型与各候选目标之间的距离或相似性来确定被追踪目标在下一帧中的位置；而判别式方法通过训练一个分类器直接将目标从背景之中分离出来。

近年来，大量基于判别式的相关滤波器(discriminative correlation filter，DCF)被提出并成功应用于目标追踪[7,8]。DCF的原型是一个由Bolme等人于2010年提出的MOSSE(minimum output sum of squared error)的追踪器[9]。该追踪器通过将一个训练好的滤波器与视频帧进行相关操作，找出视频帧中与滤波器最为相似的部分。由于相关滤波器(correlation filter，CF)实现的简易性和结果的准确性以及运算的快速性，使此类追踪算法已经成为目标追踪领域中最受欢迎的方法之一[10,11]。

但相关滤波器仍然存在很大的进步空间。Henriques J F等人[6]将循环矩阵的思想注入相关滤波器，从而增加了训练集样本的数量，但是同时使训练时间保持在原来的水平上。……