1. 研究目的与意义（文献综述）

随着人工智能技术的发展，计算机视觉作为其中关键的一环历来饱受研究者关注[1]。而基于视频的目标跟踪又作为计算机视觉的基础问题之一，它涉及图像处理、模式识别、概率统计、机器学习等多学科理论知识，并在智能监控[2]、人机交互[3]、车辆导航[4]等众多领域中有着广阔的应用前景。

目标跟踪技术研究起源与上个世纪50年代，1955年wax[5]首先提出了目标跟踪的基本概念，其后在1960年kalman[6]提出了卡尔曼滤波器算法，sitter[7]又于1964年提出基于贝叶斯理论的目标轨迹和轨迹最优数据关联，为目标跟踪理论的逐步成熟奠定基础。近十年来，目标跟踪算法从传统的光流法[8]，均值漂移[9]、粒子滤波算法[10]转向基于学习的跟踪算法[11]，与传统的跟踪算法相比，当前涌现的各类基于学习的方法在复杂视频场景下表现出了更好的跟踪性能。

2. 研究的基本内容与方案

目标跟踪问题可简要的概括为：在给出视频第一帧中目标初始状态（如位置，尺寸）的前提下，对视频序列进行分析，自动估计目标在后续帧中的状态。它是解决很多高层视觉问题（如行为识别、分析和理解等）的基础和关键技术[24]。

本文的内容主要包括三个部分：一是对经典的核化相关滤波算法的原理进行阐述；二是对深度学习技术与相关滤波结合的新型算法进行分析；三是将以上算法采用学术界通用的测试数据库进行性能评估与验证。

3. 研究计划与安排

2018.12-2019.2查阅计算机视觉和视频跟踪方法的相关资料、撰写开题报告、翻译英文资料。

2019.2-2019.4 学习核化相关滤波算法并开始在matlab或其他软件上实现。

4. 参考文献（12篇以上）

[1] 莫博瑞, "基于核化相关滤波器的视觉标跟踪算法研究与改进,". vol. 硕士: 北京邮电大学, 2017, p. 58.

[2] i.haritaoglu, d. harwood and l. s. davis, "w-4: real-time surveillance ofpeople and their activities," ieee transactions on pattern analysis andmachine intelligence, vol. 22, pp. 809-830, 2000.

[3] a. erol, g. bebis, m.nicolescu, r. d. boyle, and x. twombly, "vision-based hand pose estimation:a review," computer vision and image understanding, vol. 108, pp.52-73, 2007.