相关滤波目标跟踪算法是基于目标模板与待测图像之间的相关性大小来实现目标的定位与跟踪, 核相关滤波器(KCF)的提出更将其推向了新的高度。然而, 通过对KCF算法的深入研究发现, 相关滤波器在抗遮挡性能方面有着严重的不足, 尤其是在目标短暂消失的情况下十分容易出现跟踪丢失的情况。为了解决这个问题, 提出了一种将KCF与前后向误差检测算法相结合的方法, 通过前后向误差算法检测遮挡现象, 并在遮挡发生后及时保留原目标模板, 最后进行小范围的预测并结合原模板重新定位目标位置。实验表明, 此方法能有效解决

为提高复杂场景中目标跟踪算法的准确性与实时性,提出一种基于多层深度卷积特征的抗遮挡实时目标跟踪算法。针对目标跟踪任务,先对深度卷积网络VGG-Net-19进行微调,再提取目标区域的多层深度卷积特征。根据相关滤波框架构建位置相关滤波器,确定目标中心位置。设计尺度相关滤波器对目标区域进行不同尺度采样,确定目标尺度。目标遮挡时,采用阶段性评估策略进行模型更新与恢复,解决模型误差积累问题。选取目标跟踪评估数据集OTB-2015(100组视频序列)与UAV123(123组视频序列)进行测试。实验结果表明,