1. 毕业设计（论文）主要内容：

1. 研究当前视频目标跟踪领域的主流算法框架——相关滤波跟踪算法，归纳其存在的不足，并提出改进思路；

2. 针对大多数基于相关滤波的跟踪算法仅仅采用矩形框来进行目标采样和目标表示，并不能很好地适应非刚性目标物体外观模型的问题，研究利用基于图像分割的自适应外观模型，从而增强相关滤波跟踪方法的定位精度；

3. 针对传统相关滤波算法在进行目标外观学习时缺乏有效的负样本，难以保证跟踪器判别能力的问题，研究利用度量学习方法为相关滤波器提供预定位判别机制，从而提高相关滤波跟踪方法的鲁棒性；

2. 毕业设计（论文）主要任务及要求

1. 查阅相关文献资料不少于20篇，其中近五年外文文献不少于5篇；

2. 完成开题报告；

3. 基于相关滤波跟踪框架，通过设计一种实时图像分割方法得到目标的自适应外观模型，使训练的滤波器能够更加精确地对目标进行表示；设计一种度量学习判别方法，使度量学习判别器能够对相关滤波器的预定位图像进行判别，提高相关滤波跟踪算法的鲁棒性。对上述方法进行实验，在视频目标跟踪标准数据集otb上进行视频目标跟踪，并与当前流行的跟踪算法进行对比和分析，以验证提出算法的有效性；

3. 毕业设计（论文）完成任务的计划与安排

第1周—第3周：查阅相关文献资料，明确研究内容，了解研究所需。确定研究方案，完成开题报告；

第4周—第8周：完成主要研究工作，撰写论文初稿；

第9周—第12周：撰写论文；

4. 主要参考文献

[1] j.f. henriques, r. caseiro, p. martins, and j. batista, “high-speed tracking withkernelized correlation filters,” ieee transactions on pattern analysis andmachine intelligence, vol. 37, no. 3, pp. 583-596, 2015.

[2] b.babenko, m. h. yang, and s. belongie, “robust object tracking with onlinemultiple instance learning,” ieee transactions on pattern analysis and machineintelligence, vol. 33, no. 8, pp. 1619-1632, 2011.

[3] x.mei, and h. ling, “robust visual tracking using l1 minimization,” in 2009 ieeeinternational conference on computer vision, 2009, pp. 1436-1443.