针对线激光视觉传感的焊缝跟踪系统在焊接过程中易受弧光、飞溅等噪声干扰而出现焊缝位置识别精度不高的问题，本研究团队提出了一种基于核相关/卡尔曼滤波算法的焊缝路径识别方法。利用图像处理方法提取焊缝中心区域，在焊接过程中利用核相关滤波(KCF)算法实时定位焊缝中心，根据响应图峰值旁瓣比(PSR)对焊缝目标模板进行自适应更新，以提高模板的抗干扰能力。采用状态扩增法建立带有色观测噪声的焊缝中心位置的卡尔曼滤波模型，对焊缝中心进行最优估计，进一步提高系统在强噪声环境下的焊缝路径识别精度。分别进行对接焊缝和搭接焊缝路径识别试验，试验结果表明：所提算法能在有强烈弧光和飞溅的工况下实现焊缝路径的准确识别，识别误差能分别控制在0.137 mm和0.105 mm以内。

针对红外目标检测中小目标检测精度较低的问题，提出了一种利用改进型平均绝对灰度差(AAGD)算法的红外小目标检测。针对AAGD算法的缺点，在其基础上，融合灰度与显著性特征，用于核相关滤波器，以解决红外目标特征简单且信息量少的问题; 提出一种自适应双滑动窗口，针对不同区域调节聚合窗口形状及像素点权重，以实现高强度结构背景附近的机动目标的匹配，提高小目标检测的准确度; 利用MATLAB仿真平台对所提方法进行实验论证，结果表明，所提方法能够在噪声、高强度锐利边缘和结构背景等复杂图像中准确检测出小目标，且其准确度、稳定性、执行时间等方面均优于其他对比方法。

为了提高复杂场景中目标跟踪的稳健性,解决由光照变化、目标形变、尺度变化和遮挡等导致的目标跟踪失败问题,提出一种自适应特征融合的多尺度核相关滤波目标跟踪算法。该算法首先通过2种不同的特征分别训练2个核相关滤波器,利用这2个滤波器响应的峰值旁瓣比和相邻两帧的响应一致性获得融合权重,同时采用自适应加权的融合策略将这2个滤波器的响应结果进行融合,完成目标的位置估计;然后以此为中心进行多尺度采样,构建尺度金字塔,并通过贝叶斯估计的方法确定目标的最优尺度;最后依据目标跟踪的置信度进行跟踪模型更新,以避免模型退化。选取51组视频序列进行测试,并与近年来性能优异的目标跟踪算法进行对比。实验结果表明,所提算法能有效降低光照变化、目标形变、尺度变化和遮挡等因素影响,对测试视频序列取得了较高的跟踪精度和成功率,整体性能优于对比算法。

针对核相关滤波器在复杂光照条件下出现的跟踪不稳定的现象, 提出一种基于 LBP(local binary pattern)与核相关滤波器的运动目标跟踪算法。在传统算法上增加 LBP处理方法, 降低光照对特征提取的影响, 进而提高核相关滤波器算法在跟踪过程中对目标信息的采集精准度。实验表明, 与经典的核相关滤波器跟踪算法相比, 基于 LBP与核相关滤波器的运动目标跟踪算法在复杂光照的情况下的跟踪性能有明显提升, 能较好应用于实时场景中去, 是一种稳定的目标跟踪算法。

针对红外图像背景复杂、杂波干扰严重、相似目标混淆导致的目标跟踪丢失问题, 本文提出了一种改进的低维度纹理特征OCS-LBP（Oriented Center Symmetric Local Binary Patterns, 即方向中心对称的局部二值模式）。首先, 利用此特征可以高效地获取目标图像中每个像素块的梯度方向和幅值信息, 提高了跟踪过程的鲁棒性; 其次, 利用核相关滤波算法结合提取的OCS-LBP特征对目标图像区域进行模型训练; 最后, 根据训练好的模型检测下一帧图像中目标的具体位置。本文在10组红外视频序列上进行了测试, 实验结果表明, 本文算法的精确度和成功率相比于第二名算法分别获得了2.9%和9.9%的提升, 同时在实验设备上算法的平均跟踪速度相比于第二名算法提升了14.15 frame/s。从实验结果可以看出本文提出的算法在红外目标跟踪上表现出较好的鲁棒性、准确性和实时性, 具有一定的研究和实用价值。

针对多目标跟踪算法中经常会面临的各种挑战, 如相机的突然运动、遮挡、误检和外观相似等情况, 提出一种基于核相关滤波(KCF)的分步关联框架。首先, 该算法采用基于卷积神经网络的目标检测器检测目标, 获得准确的检测结果。然后, 为了更好地预测目标的运动状态, 通过加权融合三种特征的跟踪结果, 为每个目标建立一个基于KCF算法的快速跟踪器。此外, 为了有效地降低碎片化轨迹的数量, 该算法通过跟踪片的置信度分步关联轨迹, 并在遮挡的情况下, 利用在线随机蕨重新检测目标。最后利用关联成功的检测信息自适应更新KCF算法中的尺度。实验结果表明, 与现有算法相比, 所提算法能够在各种复杂的条件下, 表现出强大和高效的跟踪性能。

针对核相关跟踪算法(KCF)对特征敏感及无法跟踪尺度的问题, 本文从特征提取和尺度自适应两个方面对核相关滤波跟踪算法进行了研究。提出了一种基于色度饱和度-角度梯度直方图特征的自适应核相关跟踪算法来改善KCF算法的跟踪性能。首先, 研究了HSI颜色空间的特点, 基于颜色和梯度是互补的图像特征, 提出了一种融合了梯度和颜色的HHS-OG特征来有效提高原始KCF算法对目标和背景的判别力。其次, 针对KCF无法处理目标尺度变化的问题, 在跟踪的检测阶段采用一组固定的尺度因子进行图像块采样, 根据得到的滤波响应图估计目标的最优位置和尺度。将所提算法在大量视频序列上进行了跟踪实验, 结果显示其平均跟踪速度为37.5 frame/s, 跟踪精度和成功率分别提升了5.4%和10.1%。实验表明HHS-OG特征具有良好的目标-背景判别能力, 能够实现鲁棒跟踪, 而尺度自适应策略能较大程度地提高跟踪精度。