摘要：為解決目前主流相關(guān)濾波跟蹤方法中跟蹤結(jié)果容易陷入局部最優(yōu)值以及因引入深度學(xué)習(xí)帶來的特征提取過程過慢的問題,提出一種融合極限學(xué)習(xí)機(jī)和相關(guān)濾波器的魯棒性目標(biāo)跟蹤算法。該算法在C-COT算法的基礎(chǔ)上對其特征提取方式和置信圖的尋優(yōu)方法進(jìn)行改善。首先,利用多層稀疏自編碼極限學(xué)習(xí)機(jī)技術(shù),設(shè)計(jì)新的特征提取模型,以代替原來的卷積神經(jīng)網(wǎng)絡(luò),可快速且高效地提取圖像特征;其次,在特征提取模型之后,添加在線序列極限學(xué)習(xí)機(jī),構(gòu)建目標(biāo)粗糙位置估計(jì)模型,采用多峰檢測方法初步求得目標(biāo)的預(yù)測位置;第三,根據(jù)初步的目標(biāo)預(yù)測位置確定置信圖的搜索區(qū)域,避免跟蹤結(jié)果陷入局部最優(yōu)值;最后,在3個(gè)目標(biāo)跟蹤標(biāo)準(zhǔn)數(shù)據(jù)集上驗(yàn)證新算法的有效性。實(shí)驗(yàn)結(jié)果表明,新算法的跟蹤速度是C-COT算法的12.9倍,且對遮擋、運(yùn)動(dòng)模糊以及相似目標(biāo)等有較強(qiáng)的魯棒性,可有效地提高跟蹤精度和速度。