목표 변형, 가림, 유사 간섭 및 시야 벗어남과 같은 복잡한 장면에서 목표 추적 성능을 향상시키기 위해 복잡한 장면 단일 목표 추적 알고리즘을 제안했다. Staple 알고리즘을 기반으로 2차원 가우스 함수 픽셀 가중치 부여 문제를 연구하고, 색상 히스토그램 통계를 최적화하여 목표와 배경 구분도를 강화했다. 피크 측면엽 비율(Peak Side Lobe Ratio, PSR)을 기반으로 한 HOG 특성 및 색상 특성의 적응적 융합 메커니즘을 도입하여 융합 계수를 합리적으로 선택해 혼합 특성이 더욱 신뢰할 수 있도록 했다. 목표 영역 중심과 이전 프레임 목표 중심 간 거리를 분석하고 최대 혼합 응답을 결합해 최적 중심 위치를 계산하여 유사 목표 간섭 문제를 해결했다. 혼합 응답, HOG 특성, 평균 피크 대비 상관 에너지(Average Peak-to-Correlation Energy, APCE)를 사용해 목표 상실 및 가림 상태를 판정하고 목표 상자 위치를 유지하여 적시에 목표 재추적을 실현했다. 이전 프레임과 현재 프레임 정보를 결합한 템플릿 업데이트 전략을 채택해 추적 정확도를 더욱 향상시키고, 변형, 가림, 시야 벗어남 3가지 속성이 포함된 OTB100 데이터셋 영상에서 테스트했다. 실험 결과 개선된 알고리즘이 전체 및 특정 속성(변형, 가림, 시야 벗어남) 성공률과 변형 속도 정확도에서 Staple 알고리즘 대비 각각 1.8%, 3.3%, 2%, 9% 향상되었으며, VOT16 데이터셋에서 전체 및 가림 속성에서 Staple 대비 중첩도가 0.0222 및 0.0196 향상되어 복잡한 특정 장면에서의 목표 추적 요구를 충족했다.

단일 목표 추적; 복잡한 장면; 배경 억제; 유사 목표 재식별; 상실 판정