针对红外目标分辨率低、对比度差、信噪比低、纹理信息缺失等特点, 提出一种融合多特征的红外目标跟踪算法。利用背景感知相关滤波器生成大量真实样本, 对红外目标提取HOG特征和运动特征, 通过线性求和方式进行特征融合, 更好地发挥各自特征优势, 实现对红外目标运动的精准跟踪。另外, 提出使用空间加权窗代替传统相关滤波器中的余弦窗, 可以更加突出目标的中心位置, 同时也能很好地抑制边缘效应。采用VOT-TIR 2016数据集对算法性能进行评估, 同时和15种流行算法进行比较。结果表明, 本文算法在精确度和成功率上的得分分别为0.751和0.697, 在精确度和成功率指标方面分别提高了8.8%和15.4%, 具有一定的研究价值。

针对目标跟踪中的遮挡、旋转、快速运动、形变等问题，本文提出基于卷积神经网络的响应自适应跟踪算法。首先，通过卷积神经网络提取目标的多层卷积特征，利用粒子滤波算法获取目标的多模板响应图，自适应学习目标的期望响应; 然后通过构造目标函数的对偶形式解决多模板联合优化问题，计算多模板情况下每层卷积特征的最优滤波参数; 最后通过相关滤波算法计算多层滤波响应，通过响应加权融合的方式计算最终响应图，以此估计目标位置。本文利用OTB-2013数据集中的方法测试我们提出的算法，实验表明该算法的整体成功率和精确度为0.884和0.915。本文算法在距离准确度、成功率和平均跟踪误差方面均优于传统的相关滤波跟踪算法，有一定研究价值。

针对空间正则化判别相关滤波跟踪算法(SRDCF)在目标发生遮挡、尺度变化和形变情况下的跟踪失败问题，提出利用最佳伙伴相似性的改进SRDCF目标跟踪算法。首先，以SRDCF算法为基础，利用双层搜索策略解决目标跟踪中的目标定位问题和尺度估计问题；然后，利用一种新颖的鲁棒模板匹配技术，通过融合空间权重、相关滤波得分和最佳伙伴相似性得分来估计候选目标位置，解决遮挡情况下的目标重定位问题；最后，采用自适应模板更新策略解决遮挡情况下模板漂移问题。本文采用OTB-2013数据集评估本文算法的性能，同时与34种流行算法进行比较，结果表明本文算法的精确度得分和成功率得分分别为0.853和0.648，相比传统的SRDCF算法分别提高1.79%和3.51%。本文算法能很好地解决目标遮挡、尺度变化和形变情况下的目标跟踪问题，具有一定研究价值。

充分利用红外图像信息建立有效的观测模型是实现稳健红外目标跟踪的基础。影响红外目标跟踪结果的因素除可见光目标跟踪也会面临的干扰因素之外,还有诸如边缘和纹理信息缺失、信噪比低和背景噪声影响等特有因素。提出基于稀疏编码直方图(HSC)特征和扰动感知模型(DAM)的红外目标跟踪方法,使用K-奇异值分解算法得到过完备字典,利用该字典计算得到每个像素点的稀疏编码,并组成HSC对目标进行表达,同时通过引入DAM增强算法抗背景干扰能力。该方法充分利用了红外图像中运动目标的结构特性,能够有效去除背景干扰。与其他跟踪器相比,在VOT-TIR2015数据集上,该方法的精确度和成功率指标分别获得3.8%和4.4%的提升,具有较高的研究价值和实用价值。

针对跟踪过程中出现的遮挡、尺度变化、光照变化等问题, 文章基于多模板提出深度核相关滤波算法。首先, 多模板算法选取最佳滤波参数优化分类器训练样本的能力, 多特征算法利用多种特征优化目标外观模型提高了跟踪过程的鲁棒性; 其次, 利用深度图信息计算跟踪过程中目标重叠率, 判断目标的遮挡情况, 遮挡时重新定义目标搜索区域, 并判断是否重新跟踪目标, 降低遮挡情况下的算法漂移问题; 最后, 根据目标遮挡情况判断是否更新分类器参数和目标外观模型, 提高模板更新的可靠性。利用Princeton数据库测试算法, 成功率和精度分别达到85.1和98.6, 比第二名算法分别提高了7.04%和4.67%。实验从成功率、精确度方面说明基于多模板的深度核相关滤波算法优于传统算法, 有一定研究价值。