相关滤波目标跟踪进展综述

目的 目标跟踪是计算机视觉中的关键问题，在人机交互、行为识别等领域有着非常广泛的应用。最近，相关滤波理论由于其高效性和鲁棒性，被用于目标跟踪领域，取得了一系列新的进展，成为目标跟踪领域的研究热点，得到越来越多的关注。为使更多国内外研究者对相关滤波目标跟踪理论及其发展进行探索，本文对该领域研究现状进行综述。方法 首先介绍相关滤波跟踪的一般框架，在此基础上，给出相关滤波理论，并重点对经典相关滤波跟踪算法——核相关滤波（KCF）跟踪算法进行详细描述，然后讨论目标跟踪中常见问题的处理——特征的有效表示和尺度变化的适应，并进一步从3个方面分析当前研究现状，指出未来可能的发展趋势。结果 采用目标跟踪基准数据库（OTB-2013）中的50组视频序列进行实验，分析比较45种不同跟踪算法的性能，包括14种代表性相关滤波跟踪算法。在总体性能评估中给出排名前15位的跟踪算法，其中相关滤波跟踪算法占11个，充分体现此类算法的优越性。结论 相关滤波理论在目标跟踪领域的研究取得了显著的进展，具有广阔的应用前景，但受复杂场景及目标外观剧烈变化等因素影响，目标跟踪仍是一个极具挑战的问题。研究高效、鲁棒的相关滤波目标跟踪算法具有非常重要的意义。