摘要
在本工作中，我们提出了一种新型的自适应空间正则化相关滤波器（Adaptive Spatially-Regularized Correlation Filters, ASRCF）模型，该模型能够同时优化滤波器系数与空间正则化权重。首先，所提出的自适应空间正则化机制可针对特定目标及其外观变化学习有效的空间权重，从而在跟踪过程中获得更为可靠的滤波器系数。其次，我们的ASRCF模型可基于交替方向乘子法（Alternating Direction Method of Multipliers, ADMM）进行高效优化，且其中每个子问题均具有闭式解，显著提升了求解效率。第三，本跟踪器分别采用两种相关滤波模型来分别估计目标的位置与尺度：位置估计模型融合浅层与深层特征的集成表示，以实现精确的位置定位；尺度估计模型则基于多尺度浅层特征，高效地估计最优尺度。在五个最新基准数据集上的大量实验表明，所提出的跟踪器在性能上优于众多先进的跟踪算法，同时保持了28帧/秒（fps）的实时运行速度。