李国友 纪执安 张凤煦

(* 燕山大学电气工程学院 秦皇岛 066004 )

0 引 言

目标跟踪技术是计算机视觉的重要分支，随着科学技术的发展，其在多个领域广泛应用[1]，如智能视频监控、人机互动、手势识别、虚拟现实等[2]。通常目标跟踪算法根据第1帧目标框的信息，跟踪整个视频序列感兴趣的区域。但在实际应用中，由于光照、目标旋转、遮挡等干扰[3]，跟踪过程中会产生漂移，甚至会跟丢标定目标。因此，设计一个鲁棒的目标跟踪算法是众多学者追求的热门课题。

传统的跟踪算法主要是对目标建立有效决策模型和提取有用的外观特征，提取的目标特征多为灰度、颜色、方形梯度直方图(histogram of oriented gradient，HOG)特征等[4]，统称为人工提取特征。相关滤波目标跟踪算法，如最小输出和的平方误差滤波跟踪[5](minimum output sum of squared error filter，MOSSE)、循环结构核的目标跟踪[6](circulant structure kernel，CSK)均是先对目标进行提取人工特征，然后通过分类器进行训练，最后完成对目标的跟踪。在相关滤波算法中，最为出色的就是Henriques等人[7]提出的核相关滤波算法(kernel correlation filter，KCF)，KCF通过循环矩阵和岭回归分类器[8]训练一个目标检测器，来判断目标的位置。

但人工特征仅仅能直观获得目标的外观信息，不能很好捕捉目标的语义信息[9]，对复杂环境下的目标跟踪不具有鲁棒性。最近，卷积神经网络[10](convolutional neural network，CNN)在计算机视觉领域有了突破性进展，其能对图像信息进行更深层次的数据挖掘，主要应用于图像分割、动作识别[11]、图像分类。在目标跟踪中，基于CNN的深度特征跟踪算法也相继提出。文献[12]中，Danelljan等人很早将卷积特征应用在相关滤波器框架中，和标准人工特征相比，卷积特征提供了更好的跟踪效果。……