1. 本选题研究的目的及意义
目标跟踪作为计算机视觉领域中的一个重要研究方向，在视频监控、人机交互、自动驾驶、机器人导航等领域有着广泛的应用价值。
近年来，深度学习目标跟踪算法取得了一定的成果，但其模型复杂度高，难以满足实时性要求。
而传统的相关滤波目标跟踪算法由于其计算效率高、跟踪精度较好等优点，仍然是目标跟踪领域的研究热点之一。
2. 本选题国内外研究状况综述
目标跟踪作为计算机视觉领域的研究热点，一直受到国内外学者的广泛关注。
近年来，基于相关滤波的目标跟踪方法因其高效性和鲁棒性，逐渐成为主流研究方向之一。
1. 国内研究现状
3. 本选题研究的主要内容及写作提纲
本选题主要研究基于相关滤波的目标跟踪方法，分析其优缺点，并针对其存在的问题进行改进，以提高目标跟踪的精度和鲁棒性，使其能够更好地应用于实际场景。
1. 主要内容
1.深入研究相关滤波目标跟踪算法的基本原理，包括目标表示、模型训练、目标检测等关键环节，分析其优缺点以及适用场景。
4. 研究的方法与步骤
本研究将采用理论分析、算法设计、实验验证相结合的方法，具体步骤如下：
1.文献调研阶段：查阅国内外相关文献，了解目标跟踪和相关滤波的最新研究进展，为研究方向的确定和算法的设计提供理论基础。
2.算法设计与实现阶段：深入研究经典相关滤波目标跟踪算法的原理和实现细节，分析其优缺点，并针对其存在的问题进行改进。
重点关注尺度自适应、边界效应抑制、模型更新等关键问题，设计改进算法，并通过编程实现。
5. 研究的创新点
本研究的创新点主要体现在以下几个方面：
1.提出一种改进的相关滤波目标跟踪算法，针对现有算法在处理尺度变化、遮挡、背景干扰等问题时存在的不足，提出相应的改进策略，以提高算法的跟踪精度和鲁棒性。
2.提出一种新的尺度自适应方法，能够更加准确地估计目标的尺度变化，提高算法对目标尺度变化的适应性。
3.提出一种新的边界效应抑制方法，能够有效地减轻边界效应对跟踪精度的影响，提高算法的鲁棒性。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
[1]蔡云飞,张军,任嘉豪,等.基于改进ECO的无人机低空目标跟踪方法[J].计算机应用,2022,42(09):2823-2830.
[2]王龙,田学隆.融合多特征和深度学习的鲁棒目标跟踪算法[J].光电子·激光,2022,33(09):931-938.
[3]王宁,王健,郭文强,等.基于深度时空正则相关滤波的目标跟踪算法[J].电子与信息学报,2021,43(06):1762-1770.
