梁华刚 高冬梅 庞丽琴

（长安大学电子与控制工程学院 西安 710064）

1 引言

目标跟踪在计算机视觉，视频监控等领域都有重要作用。而目标的特征对于目标跟踪来说又至关重要［10～11］。2013年Naiyan Wang等发表了Understanding and Diagnosing Visual Tracking Systems［1］，作者提出了一个框架来判断跟踪系统好坏，并得出一个重要结论:目标提取的特征在追踪系统中是最重要的。传统核相关滤波目标跟踪算法通过提取图像一般特征对目标进行跟踪，当目标发生遮挡快速等形变时，算法跟踪性能逐渐降低。近年来，基于深度学习的相关算法通过提取图像的深度特征，使算法在图像处理以及语音识别等方面有很高的效率。因此，将神经网络应用到核相关滤波目标跟踪的特征提取中来，进而结合高效的核相关滤波计算［6～7］，对于提高目标跟踪算法的精确度和快速性有很大的帮助。

Naiyan Wang在NIPS2013提出的Learning a Deep Compact Image Representation for Visual Tracking（DLT）［2］网络第一个把深度学习模型应用于目标跟踪之上，作者提出了“离线预训练＋在线微调”的思路，很大程度地解决了跟踪中训练样本不足的问题，但是算法虽然使用了4层的深度模型，效果仍低于一些使用人工特征的传统跟踪方法如Struck。2015年Martin Danelljan在KCF基础上用深度卷积网络提取特征的Convolutional Features for Correlation Filter Based Visual Tracking（Deep-SRDCF）［3］，但 是 速 度 不 到 4fps。 2016 年 David Held提出Learning to Track at 100 FPS with Deep Regression Networks（GOTURN）［4］直接用了离线训练+在线跟踪的方案，将速度直接提高到了100fps，但是跟踪准确度比KCF和相关滤波等传统跟踪模型要差。

针对上述问题，本文将卷积神经网络与改进核相关滤波目标跟踪算法相结合，形成一种特征鲁棒性的，跟踪速率也满足实时性要求的目标跟踪算法。……