马月洁，冯爽，王永滨

(中国传媒大学协同创新中心，北京100024)

1 引言

在现代生活中，体育视频尤其是足球视频深受广大观众喜爱。球员跟踪具有很强的实用价值和现实意义。尽管在过去的十年中跟踪算法取得很大进展[1][2][3]，但设计一个能够处理严重遮挡、显著外观变化的健壮跟踪器仍然存在巨大的挑战。

对于物体跟踪，很多研究者提出了较为有效的办法。Henriques[4]制定了核相关滤波器(KCF)，运用它训练一个判别式分类器，使用循环矩阵生成样本的方式去训练分类。DLT[5]和SO-DLT[6]使用辅助图像数据离线训练深度模型，并在在线跟踪阶段进行微调。FCNT[7]和DeepSRDCF[8]通过使用在大规模分类数据集上预训练好的CNN网络来提取特征，解决了缺少训练数据的问题。MDNet[9]使用视频代替图像来预先训练CNN，以获得目标的通用表达能力。RTT[10]通过搭建多方向递归神经网络模型来发掘对跟踪有用的可靠目标部分。

在足球比赛视频中进行球员的跟踪存在很大挑战，第一，同队球员相似度高，肉眼尚且区分困难；第二，运动员在传球、运球过程中形变较大，遮挡严重。

针对以上问题，本文提出了一种基于全卷积孪生神经网络的球员跟踪方案。

2 全卷积孪生神经网络

孪生神经网络是一类包含两个甚至更多个具有相同参数和权重子网络的神经网络架构。孪生神经网络擅长处理涉及相似性或两个可比较事物之间关系的任务。学习跟踪任意对象可以看作在下一帧中寻找和当前帧目标具有最大相似性的位置，因而能够使用相似性学习的方式来处理。……