主食：实时跟踪中的互补学习者

基于相关滤波器的跟踪器最近在性能上取得了显著进展，表现出对运动模糊和光照变化等挑战性情况的强大鲁棒性。然而，由于这些跟踪器所学习的模型高度依赖于被跟踪对象的空间布局，因此它们对变形极为敏感。基于颜色统计的模型则具有互补特性：它们能够很好地应对形状变化，但在序列中光照不一致时表现不佳。此外，仅依靠颜色分布可能不足以实现有效的区分。本文表明，通过在一个岭回归框架中结合互补线索的简单跟踪器不仅能够以超过每秒80帧（FPS）的速度运行，而且在多个基准测试中超越了广受欢迎的VOT14竞赛中的所有参赛者以及近期更为复杂的跟踪器。