景庆阳，李 波

辽宁工业大学 电子与信息工程学院，辽宁 锦州121001

作为计算机视觉的重要组成部分，目标跟踪集图像处理、模式识别及机器学习等于一身，在军事谋划、医疗诊治，乃至日常生活等领域发挥着越来越重要的作用[1]。近年来，相关滤波类的方法因其速度优势逐渐成为研究热点[2]，将目标跟踪技术推向新的高度，得到广泛认可与应用。

该研究起步于国外，Bolm提出最小平方误差和输出（Minimum Output Sum of Squared Error，MOSSE）算法，应用快速傅里叶变换（Fast Fourier Transform，FFT）实现对目标的快速跟踪，至此Bolm成为将相关滤波器引入到目标跟踪的第一人[3]。基于MOSSE算法，Henriques等提出基于核循环结构的检测跟踪（Circulant Structure of tracking-by-detection with Kernel，CSK）算法，运用循环结构的密度采样方法，通过正则化最小二乘分类器来判别目标[4]。为更好地实现目标跟踪，将CSK的灰度特征用方向梯度直方图（Histogram of Oriented Gradient，HOG）特征代替[5]，提出了具有多通道特征的KCF算法[6]。国内学者在KCF算法原有基础上层层递进，文献[7]引入了粒子滤波模型。尽管这种方法优于标准滤波算法[8]，但依然无法完好地应对复杂多变的跟踪场景。文献[9]阐述了提升KCF算法速度的判别式相关滤波器在精确度方面未能达到理想效果。针对目标在不断运动的过程中难免出现尺度不确定等问题[10]，为使目标中心位置估计值更为准确，本文针对分块KCF算法进行优化。

角点涵盖了图像重要的结构信息[11]，是平面图像亮度发生剧烈变化的点或边缘曲线的曲率局部极大值点，是图像稳定的稀疏特征，应用于图像处理等诸多领域[12]。……