定义
一种相关滤波进行运动跟踪的算法。
MOSSE (Minimum Output Sum of Squared Error filter)算法是相关滤波跟踪的开篇之作，此方法提出了一种全新的运动跟踪策略，称为“相关滤波”，随后有多种改进方法。相关滤波一类算法很重要的一点是其可以很好的适应于复杂目标的旋转、被遮挡以及一些其他的干扰，在本方法提出之前，视觉目标跟踪使用的方法多数是生成式方法，包括meanshift、camshift、粒子滤波和kalman滤波等。生成式方法的思路是对目标建模，需要使用表现优异的特征表示，同时建立的模型相对复杂。
这些基于滤波的跟踪是用在模板图片上训练好的滤波器去对目标物体的外表建模。目标最初是基于以第一帧中的目标为中心的一个小跟踪窗口来选择的。从这点上来说，跟踪和滤波器训练是一起进行的。通过在下一帧图片的搜索窗口中去进行滤波来跟踪目标。滤波之后产生的最大值的地方就是目标的新位置。根据得到的新位置完成在线更新。
为了得到这个滤波器，对第一帧目标进行随机移位得到一系列样本，MOSSE算法的训练样本时通过目标的仿射变换得到的，每个样本的输出为各自的一个高斯分布，然后根据误差平方和最小的原则计算这一帧的滤波器模板。
接着用训练得到的滤波器在下一帧中找到目标的位置，最后再更新滤波器。由于对目标进行了多样的仿射变换，基于这样滤波器的跟踪算法能够对目标的光照、尺度、姿态变化和非刚性形变有很好的鲁棒性，同时实现极快的跟踪速度。但是，MOSSE算法的滤波器训练采用的特征是最原始的灰度特征，特征表示能力较弱，后续有算法对其进行改进，好的特征表示可以提高跟踪算法的鲁棒性。整体算法都够适应小尺度的目标变化，但是不能适应大尺度的目标变化。
参考文献
[1] Bolme D S, Beveridge J R, Draper B A, et al. Visual object tracking using adaptive correlation filters [C]// CVPR, 2010.
参阅：相关滤波、KCF算法、HCF算法
