孪生网络跟踪算法将跟踪问题转换为相似性匹配问题引起广泛关注，然而,多数算法无法在移动端或算力不足的嵌入式设备上实现工程应用。为此，提出了一种基于孪生网络的轻量级高速跟踪算法。该算法以特征提取能力良好且参数量少的MobileNetV2作为主干网络，通过组卷积、Crop等操作进一步减少网络参数量，提高网络运行速率; 通过在倒残差结构中加入注意力机制动态调节模型权重，突出目标重要信息; 通过不同特征层之间的信息融合，提升网络模型对目标多尺度语义信息的表达。采用目标跟踪基准库OTB100和VOT2018进行实验，结果表明，与现有通用跟踪算法相比，所提算法在保持高精度的同时，运行速率高达170 帧/s，具有良好的工程应用前景。

针对自适应去雾系统对雾气浓度自动识别的需求, 提出了一种基于SVM和混合特征的雾天图像分类算法。结合雾天图像特点, 选用暗通道特征、小波特征以及去均值归一化特征组成混合特征向量, 用于描述不同雾气浓度下图像的特征差异。通过SVM算法对混合特征向量进行监督学习, 最终实现雾天图像的自动识别与分类。实验结果表明, 算法能够有效地识别与区分无雾、轻雾、浓雾图像, 为去雾系统自适应地根据雾气浓度选取去雾参数提供了良好的分类参考。