朱洪波

（厦门弘搏科技有限公司 厦门 362000）

1 引言

视觉跟踪在视频监控、自动驾驶、车辆导航和人机交互等领域有着广泛的应用。但由于固有因素（如规模变化和变形）和外部因素（如光照变化、遮挡）。目标跟踪方法可分为判别［5～9］或生成法［1～4］。其中生成方法学习可以通过提取的特征表示的外观模型，然后制定跟踪任务，如搜索与定义为目标的模型最相关的目标图像区域。常见生成模型包括增量跟踪器（IVT）［1］、跟踪器［2］、多任务跟踪器（MTT）［3］、稀疏表示［4］等。判别方法可以看作是二进制分类问题，通常可以称为逐导检测方法，其中一种是目标对象，另一个是周围的背景。这些方法的主要任务是通过学习分类器来确定当前帧位置上的目标，从而区分目标和不断变化的背景。一般判别模型已被提出包括多实例学习（MIL）［5］、支持向量跟踪［6］、P-N学习［7］、压缩传感［8］，所有相关过滤器为基础跟踪器。生成模型具有更全面的能力来描述目标对象的特征，但缺点是没有考虑到目标对象周围的背景信息。考虑到目标和背景信息的判别模型具有很高的判别能力，可以区分目标和复杂的背景，很容易导致过度拟合现象［10］。

目前，传统的视觉跟踪算法可以简单地分为两种方法，包括基于相关滤波器（CF）［13～20，27～29］和基于深度学习的［21～23，33～37］方法。这两种方法都可以从不同的方面提高算法的性能。基于深度学习的跟踪方法通常采用从卷积神经网络（CNN）中提取的预先训练的深高维特征来表示特征。虽然实现了理想的跟踪结果，但在特征提取过程中增加了大量的计算复杂性，将严重影响实时性能。……