摘要：目标表观变化的处理是视觉跟踪领域极具挑战性的问题，该文针对这一问题，在粒子滤波框架下提出一种高效的基于超像素的L1跟踪方法（SuperPixel-L1 tracker, SPL1）。首先利用具有结构性信息的中层视觉线索（超像素）构造字典来对目标的表观建模；然后求解由粒子表示的候选目标状态的 L1范数最小化，把重构误差最小的候选状态作为跟踪的结果；最后进一步改进了字典的在线更新策略，不论目标发生遮挡与否，字典都被学习更新；为了降低目标发生漂移的可能，更新时保留初始帧的信息。仿真结果验证了SPL1在目标发生长时间遮挡、尺度和光照变化时依然能够稳定地跟踪目标。

关键词：视觉跟踪 在线学习 表观变化 稀疏表示 超像素 

单位：东南大学信息科学与工程学院 南京210096