MOSSE算法（Minimum Output Sum of Squared Error filter）是一種經典的目標跟蹤算法，它的核心思想是利用相關濾波器來跟蹤目標。以下是該算法的詳細介紹：
初始化階段。算法首先需要用戶手動在第一幀視頻中選擇目標區域，然後構建一個回響圖，這個回響圖在目標中心處達到最大值，並隨著距離的增加而逐漸減小，類似於二維高斯分布。
訓練階段。算法通過最小化輸出誤差的平方和來訓練一個濾波器，使用目標區域的樣本和相應的目標位置信息來計算濾波器的參數，這個過程涉及到最小二乘法的套用。
跟蹤階段。在視頻的每一幀中，算法使用訓練得到的濾波器與當前幀進行相關運算，運算結果是一個回響圖，其中最大回響值的位置指示了目標的當前位置。
更新階段。為了適應目標的外觀變化，算法還包含了一個濾波器模板的線上更新機制，這通過結合新的訓練樣本和舊的濾波器參數來實現。
MOSSE算法的主要優點包括其計算效率高和跟蹤精度相對較高。它利用傅立葉變換將相關運算轉換到頻域，從而大大提高了計算速度。此外，MOSSE算法還引入了峰值旁瓣比（PSR）來評估跟蹤的置信度，進一步增強了算法的性能。