摘要: 目标跟踪过程中,目标的尺度变大会引入更多的背景噪声,而在目标尺度变小时却采样不足,导致算法鲁棒性不强.为了实现复杂背景环境下可视目标的稳健跟踪,本文提出一种增强尺度估计的特征压缩跟踪算法,单独设置一个判别相关滤波器用于尺度估计,在线学习更新样本尺度,实时匹配最佳目标尺寸并更新特征采样块尺寸,对样本特征压缩降维并在线学习更新分类器参数,减小计算开销,提高跟踪稳健性.实验结果显示,算法可以适应目标的姿态及尺度变化,与已有类似算法相比,本文提出的算法具有更强的鲁棒性.