1 长沙理工大学计算机与通信工程学院，湖南长沙 410114
2 长沙理工大学综合交通运输大数据智能处理湖南省重点实验室，湖南长沙 410114
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。
相关滤波 尺度估计 特征压缩 目标跟踪 correlation filtering scale estimation feature compression object tracking
