随着人工智能和大数据时代的普及,计算机视觉扮演着不可或缺的角色,其中目标跟踪(Object Tracking)是计算机视觉系统底层信息处理到高层信息内容分析的重要手段,在人机交互、机器人、无人驾驶以及智能化视频监控等领域具有重要的应用。目标跟踪是对视频帧序列中给定的目标进行分析,预测目标在之后图像帧中可能出现的位置。基于相关滤波的目标跟踪算法自提出以来便一直备受关注,主要原因是其算法运行速度的优势同时有着较好的跟踪表现。本文基于相关滤波跟踪器设计在复杂环境下目标跟踪算法,算法中兼顾跟踪器精确性和实时性,在提升目标跟踪效果的同时,不失跟踪实时性的要求。已有的相关滤波跟踪器,比如核相关滤波(KCF),未能充分利用目标所处周围的背景环境,本文通过抑制局部背景信息、自适应改变目标搜索区域和自动更新搜索尺度、引入检测器来等措施,在满足实时性需要的基本条件下,提高目标跟踪的鲁棒性,主要工作如下:1)提出了 一种通过抑制目标所处环境的局部背景信息的相关滤波跟踪器(RICF),有效提升了算法在运动模糊,剧烈外观变化等复杂环境下的目标跟踪效果。具体来说,在训练滤波器阶段,在目标周围采集若干图像块(与目标跟踪框同等大小的上下左右四个区域),通过将其回归成特殊背景以达到突出前景目标的目的。2)提出一个自适应搜索窗口的相关滤波模型。先前相关滤波目标跟踪算法中,当跟踪目标与周围背景有相似区域时,或者跟踪目标恰好处于搜索窗口边界时,算法容易将目标特征误判为背景,导致漂移现象的产生,为此本文提出一个自适应搜索窗口的相关滤波模型(RIACF),利用尺度阈值更新目标搜索区域,更有效地检测目标,提升目标跟踪的效果。3)在RIACF的基础上,将检测器引入跟踪模型中,提出DRIACF模型在相似度值达不到阈值的情况下,对当前帧进行重新检测以便重新找到目标,再将其作为初始对象进行以下的目标跟踪,较好地解决了目标发生旋转和目标再现的挑战。