摘要：目标跟踪易受光照、遮挡、尺度、背景及快速运动等因素的影响，还要求较高的实时性。目标跟踪中基于压缩感知的跟踪算法实时性好，但目标外观变化较大时跟踪效果不理想。该文基于压缩感知的框架提出多模型的实时压缩跟踪算法（MMCT），采用压缩感知来降低跟踪过程产生的高维特征，保证实时性能；通过判断前两帧的分类器最大分类分数的差值来选择最合适的模型，提高了定位的准确性；提出新的模型更新策略，按照决策分类器的不同采用固定或动态的学习率，提高了分类精度。MMCT引入的多模型没有增加计算负担，表现出优异的实时性能。实验结果表明，MMCT算法能够很好地适应光照、遮挡、复杂背景及平面旋转的情况。

关键词：目标跟踪 压缩感知 实时 多模型 动态学习率 

单位：长沙理工大学综合交通运输大数据智能处理湖南省重点实验室; 长沙410114; 长沙理工大学计算机与通信工程学院; 长沙410114