在跟踪过程中，目标的位置按照自身的运动方式不断变化着，同时目标也会出现被遮挡的情况。此时，需要对目标的运动轨迹进行预测，可以采用基于最小二乘法的综合预测器来预测[２]，认为目标的运动轨迹可以是直线和二次曲线的某种组合。即

f(ｋ＋１)＝Ｗfl(ｋ＋１)＋(１－Ｗ)fｑ(ｋ＋１)   （５）

式中，fl(·）为线性预测器；fｑ(·）为平方预测器，Ｗ为权函数（０≤Ｗ≤１）。

权函数可以根据实时测得的平方预测器的误差而实时构成。当平方预测器误差较大时，则增大权值，否则减小权值。线性和平方预测器的记忆点数Ｎ的选取要视具体工作情形而定。当特征量的变化不是太快时，Ｎ值应选得稍大些，这样也有利于抑制噪声的干扰；若特征量变化甚快，则Ｎ应选用较小的值。一般选择Ｎ≤５,当Ｎ＝２时，线性预测有利于跟上机动性较高的目标；当Ｎ＝５时，预测的目标运动轨迹比较平滑，有较强的抗干扰能力。

５ 实验结果

采用２５６×２５６大小、深度为８ｂ的连续１５０帧灰度图像进行试验，达到跟踪速度为２５帧／ｓ的实时跟踪效果，整个系统工作稳定、可靠、灵活且易于扩展。图３给出了跟踪的结果。