目标跟踪技术(Object Tracking Technology)是指通过对视频图像序列进行检测,提取出特征模型,设计滤波模板进行响应识别等一系列操作,从而获得此目标的位置等信息。近些年的人工智能发展极其迅猛,目标跟踪技术也愈见成熟。其在生活中的诸多方面都有应用。然而,传统的目标跟踪算法由于选用特征单一,对遮挡场景不能有效过滤,在尺度估计方面存在不足等原因,在应对复杂场景时,跟踪效果不佳,精度和成功率偏低。因此,针对以上问题,本文研究内容如下:(1)提出了基于多特征融合的核相关滤波目标跟踪算法。该方法首先通过建立核岭回归模型,使用二维核化相关位置滤波器,融合方向梯度直方图(HOG)特征和颜色直方图(CN)特征,采取根据响应大小的方式加权融合跟踪坐标,精确确定目标的中心位置。然后,利用滤波响应的峰值旁瓣比的高低来判定是否发生遮挡,当特征响应的旁瓣比低于设定的阈值时,暂停更新滤波模板,使跟踪算法更具有鲁棒性,提升了在复杂场景下的跟踪精度和成功率。(2)提出了基于尺度估计的核相关滤波目标跟踪算法。该方法利用特征点的响应值设置对应权重,结合光流法的位移差进行尺度估计,并利用平均二分法设置尺度池,使跟踪框能够适应目标尺寸。利用光流法计算出视频帧间关键角点的位移来估计被跟踪目标的形变比例和尺寸,同时结合尺度集合进行跟踪框缩放。在提高精度的同时降低时间代价,避免引入过多杂波增加误差。算法对于尺度变化场景具有更高的鲁棒性,提升了目标跟踪的精度和成功率,达到了较好的跟踪效果。