1. 研究目的与意义（文献综述）

视觉是人与外界接触的方式之一，大约80%的外界信息来自于视觉。但是人类视觉所带来的东西是有限的（受活动范围以及视野的限制），也是有时效的，所以，计算机视觉应运而生。计算机视觉是在了解人类视觉的基础上，用成像系统代替人类视觉器官，用计算机代替人脑完成对输入图像的处理与理解。随着科学技术的发展，计算机技术也越来越发达，因此，计算机视觉也越来越受到计算机信息、生物、数学等众多领域的重视。

视觉跟踪技术作为计算机视觉领域的热门课题之一，是对连续的图像序列进行运动目标检测、提取特征、分类识别、跟踪滤波、行为识别，以获得目标准确的运动信息参数（如位置、速度等），并对其进行相应的处理分析，实现对目标的行为理解。

视觉跟踪是指对图像序列中的运动目标进行检测、提取、识别和跟踪，获得运动目标的运动参数，如位置、速度、加速度和运动轨迹等，从而进行下一步的处理与分析，实现对运动目标的行为理解，以完成更高一级的检测任务。多模式融合即将基于区域、特征点、主动轮廓的视觉跟踪算法，采用信息融合的方法，综合这些跟踪模式的跟踪结果，实现比单模式更好的跟踪效果，因此具有重要的理论和应用研究价值。

2. 研究的基本内容与方案

基本内容：视觉跟踪是计算机视觉领域中的一个热点问题，其在诸如目标制导、自动驾驶、行为识别等应用场景下有着广泛的应用价值。近年来，尽管人们对于视觉追踪有了广泛的研究，并提出了许多有效的跟踪方法，但对于复杂的现实环境来说，单一的视觉跟踪方法很难满足系统需求，为了提高系统的稳定性和可靠性，论文提出利用基于多模式融合的视觉跟踪技术，从而得到更好的结果。

目标：本论文重点将单模式的跟踪技术，采用信息融合的方法，综合这些模式跟踪的结果，然后进行分析比较，得到比单模式更好的跟踪结果。

3. 研究计划与安排

第1周—第3周 搜集材料，撰写开题报告

第4周—第5周 论文开题

第6周—第12周 深入了解相关专业知识，熟悉matlab软件的运用，编写算法及程序，撰写论文初稿

4. 参考文献（12篇以上）

[1] fang w, zheng l, deng h, et al. real-time motion tracking formobile augmented/virtual reality using adaptive visual-inertial fusion[j].sensors, 2017, 17(5):1-22.

[2] bing b, zhong b, gu o, et al. kernel correlation filters forvisual tracking with adaptive fusion of heterogeneous cues[j]. neurocomputing,2018, 286:s0925231218301012.

[3] 王秀友, 范建中, 刘华明,等. 自适应交互式融合的视觉跟踪[j]. 光学精密工程, 2017(9):2499-2507.