袁 姮，赵肖祎

1.辽宁工程技术大学 软件学院，辽宁 葫芦岛125105

2.辽宁工程技术大学 研究生院，辽宁 葫芦岛125105

目标跟踪是计算机视觉领域的一个研究热点[1-4]，其本质是根据先验信息，在连续的视频图像中对感兴趣目标的位置和状态进行分析、识别。目标跟踪在视频监控、现代化军事、人机交互以及智能视觉导航等领域具有重要的研究价值和应用价值[5-6]。由于跟踪过程中存在图像分辨率低、目标尺度变化、复杂背景等因素，容易发生目标丢失等问题，如何解决这些问题，提高目标跟踪的准确率，是目标跟踪领域的研究热点和难点[7-10]。

近些年来，相关滤波算法在目标跟踪领域应用广泛，实验表明基于相关滤波的目标跟踪算法速度较快且准确率较高。2010年，Bolme等人[11]提出最小输出平方和误差滤波（minimum output sum of squared error，MOSSE）跟踪算法，该算法通过卷积计算将图像从时域转换到频域，将卷积操作变为点乘提升跟踪速度，并通过图像的响应值判断初始位置与候选位置的相关性来提高滤波器的准确率。2012 年，Henriques等人[12]提出核循环结构（exploiting the circulant structure of tracking-by-detection with kernels，CSK）算法，该算法计算相邻两帧之间的相关性，将最大响应值作为预测目标中心，提升跟踪效果，但该算法目标尺度固定，对目标尺度变换不鲁棒。2015年，Henriques 等人[13]改进CSK 算法，提出核相关滤波算法（kernel correlation filter，KCF），该算法通过构造循环矩阵扩充负样本的数量来增强跟踪器的性能，对算法进行优化，但当目标快速运动时，跟踪效果不明显。2015年，Danelljan等人[14]提出基于空间正则化的相关滤波算法……