黄晓冬，曾科军，李 冬

(中国人民解放军92124部队，辽宁 大连 116023)

1 引言

目标跟踪是计算机视觉中的一项重要课题和研究热点，在视频监控、精确制导等领域有着广泛应用。目标跟踪通过给定的初始信息，在后续的图像序列中对目标的位置或形状进行估计，进而实现对运动目标的速度、方向和轨迹等运动信息的分析和理解[1]。目标跟踪的困难和挑战主要有以下几个方面：①目标情况复杂多变，如形状和尺度发生变化；②光照、遮挡或背景噪声干扰，造成目标特征信息发生变化；③目标快速运动导致图像模糊，无法准确定位目标。

目前，基于相关滤波和基于深度学习的方法是目标跟踪领域研究的主要方向。其中，基于深度学习的方法[2-5]虽然跟踪精度很高，但由于深度神经网络的特征计算和模型更新相对复杂，导致计算代价大，影响了算法速度。相关滤波方法凭借其精度高、速度快的特点得到广泛关注，一系列基于相关滤波的改进方法也被相继提出，算法精度得到大幅度提升。Bolme等[6]在目标跟踪中首次引入相关滤波理论，提出的MOSSE(miniInum output sum of squared error)算法通过输出结果最小均方误差的方式训练得到最优滤波器模板，与新一帧图像的目标区域进行相关运算，得到最大响应的位置即为新一帧图像的目标位置。由于采用快速傅里叶变换方法，将空域的卷积转化为频域的点乘，因此算法运算量得到了极大减少，速度超过了600帧/s。随后，在MOSSE框架的基础上，Henriques等[7,8]提出CSK(circulant structure of tracking-by-detection with kernels)算法和KCF(kernelized correlation filters)算法，引入循环矩阵和岭回归策略，跟踪性能得到进一步提升。……