计算机视觉是近些年兴起并快速发展的一项科学,而目标跟踪技术是其中一项关键技术,目标跟踪在军事国防、工业生产、民用安保等方面都有着重要的研究意义和实际应用。水面无人艇(Unmanned Surface Vehicle,USV)是一种新兴的应用在海洋环境下的装备,其对于维护海洋主权以及开发海洋资源都有着重要意义。将目标跟踪技术应用于水面目标跟踪,配合USV,有助于USV实施护卫巡逻、打击海盗、海上搜救、避障导航以及水文地理勘察等多项任务。将目标跟踪应用于水面目标跟踪,要考虑水面的实际环境,水面目标通常存在目标模糊、抖动、遮挡等问题,影响目标跟踪效果。基于相关滤波算法出色的性能,本文通过对比不同相关滤波算法的跟踪性能,其中SAMF(Scale Adaptive Kernel Correlation Filter Tracker)算法对于目标旋转以及形变、光照变化、尺度变化等问题,有着很好的适应性,结合水面目标的一些问题,对原SAMF算法进行改进以适应水面目标跟踪。本文的主要研究工作如下:(1)针对水面目标,像军舰、快艇、渔船等目标,存在高速运动的问题,原有的目标跟踪算法会存在无法适应目标快速运动而出现跟丢的情况,本文改进算法滤波器模型更新机制,让模板更新率不再是固定值,而是能够自适应目标速度进行调整,根据加速度进行提前修正。目标速度越快,外观特征变化越快,通过增大模板更新率把这种变化更新到滤波器模型中,可以保持对目标很好的跟踪效果。通过大量实验研究,得出模板更新率与目标速度、加速度的关系式,确定了模板更新率自适应调整的规律。(2)针对水面环境存在的经常性浪花遮挡或是其他干扰物遮挡的问题,本文改进原算法的模型更新方法。在相关滤波算法流程中,对某一帧图像进行跟踪之后,都会提取目标特征用于训练滤波器并更新滤波器模型。当目标被遮挡时,此时提取的目标特征已经被污染,如果继续更新滤波器模型则会把污染引入滤波器模型,经常性出现遮挡会不断积累误差,最终影响跟踪性能。因此遮挡时停止更新滤波器模型,通过对包含遮挡的图像序列进行跟踪,改进后的算法提高了算法的识别率,改善了跟踪效果。(3)针对要满足算法实时性的要求,本文改进算法的目标搜索区域。通常进行跟踪时是在前一帧目标周围一定范围内进行搜索,这个范围一般为目标区域的1.5倍或者2倍,改进后的搜索区域根据目标大小以及长宽的比例进行调整,使搜索区域更加集中在目标周围,同时能够去除多余的背景区域。通过对实际图像序列进行跟踪,改进后算法较原算法跟踪速度有每秒3到4帧的提升。