余陆斌 田联房 杜启亮

（1. 华南理工大学 自动化科学与工程学院，广东 广州 510640；2. 工业和信息化部电子第五研究所，广东 广州 511370；3. 南方海洋科学与工程广东实验室，广东 珠海 519000；4. 华南理工大学 自主系统与网络控制教育部重点实验室，广东 广州 510640；5. 华南理工大学 中新国际联合研究院，广东 广州 510555）

目标跟踪［1-2］是计算机视觉任务中的重要一环，在视频监控、无人驾驶等任务中有着广泛的应用［3］。由于目标检测算法往往存在实时性和稳定性的问题，需要具有较强鲁棒性的目标跟踪算法辅助获得稳定的检测目标。

目标跟踪可以分为基于生成式模型的跟踪和基于判别式模型的跟踪两大类。基于生成式模型的跟踪通过提取目标特征，建立代表目标的模型，在后续视频序列中寻找与该模型最匹配的区域，得到目标的预测位置。基于生成式模型的跟踪方法通常忽略了目标周围的背景信息，在背景混乱时容易丢失目标。基于判别式模型的跟踪将目标跟踪问题转化为区分跟踪目标和背景的分类问题，通过训练分类器区分目标区域与非目标区域，从而预测目标位置。随着机器学习的发展，判别式跟踪算法得到了快速发展，其中基于相关滤波的跟踪，凭借其优异的性能和快速性得到了广泛的应用。Bolme 等［4］首次将相关滤波应用于目标跟踪，利用最小均方误差寻找后续视频序列中的目标位置，提出了最小输出均方误差（MOSSE）跟踪算法。后续有许多相关滤波算法［5-7］从特征表达、尺度改进、解决边界效应等方面进行改进。……