摘要:为解决相关滤波（Discriminative Correlation Filter，DCF）算法在快速运动、遮挡、尺度变化等复杂情景下的跟踪失败问题，提出一种融合运动状态信息的高速相关滤波目标跟踪算法. 在传统DCF算法基础上做出以下改进：（1）在跟踪框架中融入卡尔曼（Kalman）滤波器，利用目标运动状态信息对预测运动轨迹进行修正，以解决目标复杂运动时易跟丢问题，提高跟踪精度；（2）训练一个独立的尺度相关滤波器进行目标尺度预测，并利用主成分分析法（Principal Component Analysis，PCA）进行特征降维处理，提高跟踪速度；（3）提出一种高置信度更新策略判断是否对位置滤波器进行模板更新，以及是否采用Kalman滤波器预测位置作为目标位置. 最后在OTB-100数据集上进行算法测试，提出算法平均精度与成功率分别达到74.8%与69.8%，平均帧率为84.37帧/s. 相较其他几种主流算法，本文算法有效提高跟踪性能，并保证了跟踪速度，满足实时性要求，在遮挡、背景模糊、运动模糊等复杂情况下能够保持良好的跟踪效果.