摘要：相关滤波算法容易受到形变、运动模糊、相似背景等因素的干扰，导致跟踪任务失败。为了克服以上问题，该文提出一种基于全局背景与特征降维的视觉跟踪算法。该算法首先提取紧邻目标的图像区域作为负样本供分类器学习，以抑制相似背景的干扰；然后提出一种基于主成分分析的更新策略，构建降维矩阵压缩HOG特征的维度，在更新分类器的同时减少其冗余度；最后加入颜色特征表征运动目标，并根据特征对系统状态的响应强度进行自适应融合。在标准数据集上将该文提出的算法与Staple，KCF等其他算法进行了仿真对比，结果表明该文算法具有更强的鲁棒性，在形变因素的影响下，所提出的算法与Staple和KCF算法相比距离精度分别提升8．3％和13．1％。

关键词：视觉跟踪 全局背景信息 特征降维 自适应融合 

单位：中国矿业大学信息与控制工程学院; 徐州221116