曹 超，管沁朴

（1.中航电测仪器股份有限公司，陕西西安 710117；2.北京市智行者科技有限公司，北京 102200）

在过去的几十年中，计算机和视觉传感器性能不断提高且成本大幅下降，这为计算机视觉的发展提供了很好的硬件基础[1-3]。视觉跟踪作为机器视觉的关键技术，在众多场合都有着广泛的应用前景和价值[4-5]。而小型无人机在空中拥有着天然的广阔视野优势，可以对目标进行跟踪直接获取现场情报，研究无人机目标实时追踪具有重要的实用价值[6-7]。考虑到跟踪鲁棒性、快速性、精度以及功耗等问题，目前现有的跟踪算法往往难以兼顾所有方面，文献[8]为提高无人机在目标跟踪运动中的精度，提出一种基于相关滤波器的响应融合策略，利用融合响应图对目标进行精准的追踪，该方案有效解决视差和光照变化的不利影响，但是鲁棒性较差；文献[9]提出一种综合级联分类器与卡尔曼滤波的无人机目标追踪方案，能够过滤错误目标，在对实时性要求不高的场合具有良好的应用效果；文献[10]提出一种基于深度学习的无人机目标追踪算法，能够在复杂环境中准确识别追踪目标，但是对平台要求较高，实际应用仍需要进一步研究。结合无人机的目标追踪的实际应用的需求与特点，研究一种高速度、低功耗和高鲁棒性的目标跟踪算法具有重要意义。

1 目标跟踪技术

1.1 基于相关滤波的目标跟踪算法

目前主流的目标跟踪算法按照跟踪原理的不同可分为判别类和生成类[10-12]。……