摘要：目的目標跟蹤是計算機視覺領域的重要組成部分。近年來,基于相關濾波和深度學習的目標跟蹤算法層出不窮,本文擬對經(jīng)典的若干目標跟蹤算法進行闡述與分析。方法首先,對基于相關濾波跟蹤算法的基礎理論進行介紹,針對相關濾波算法在特征改進類、尺度改進類、消除邊界效應類、圖像分塊類與目標響應自適應類方面進行總結(jié);接下來,從3個方面對基于深度學習的目標跟蹤算法進行闡述與分析:目標分類、結(jié)構(gòu)化回歸、孿生網(wǎng)絡,并對有代表性的跟蹤算法的優(yōu)勢與缺陷進行較深層次的解讀。結(jié)果通過列舉跟蹤算法在相關濾波階段、深度學習階段針對不同的改進機制的改進算法,總結(jié)各階段算法的優(yōu)缺點。對目標跟蹤算法的最新進展進行闡述,最終對目標跟蹤算法的未來發(fā)展方向進行總結(jié)。結(jié)論基于相關濾波的目標算法在實時性方面表現(xiàn)優(yōu)秀,但對于復雜背景干擾、相似物遮擋等情況仍然需要優(yōu)化。深層的卷積特征對于目標有強大的表示力,通過使相關濾波算法與深度學習結(jié)合,大幅度提升了算法表現(xiàn)力?；谏疃葘W習的跟蹤算法則更側(cè)重于跟蹤的性能,大多無法滿足實時性。孿生神經(jīng)網(wǎng)絡的使用對于基于深度學習類目標跟蹤算法產(chǎn)生了很大的推動,兼顧了算法的性能和實時性。