南京工程学院 陶媛媛

目标跟踪是计算机视觉领域的作用是举足轻重的，它在生活的各个领域中都有极其重要的研究价值。然而，大多数目标跟踪算法由于其只使用离线训练的方法，一定程度上存在着局限性。故本文将提出一种基于SiamRPN与自适应模板更新的目标跟踪方法，以SiamRPN算法为基础进行目标的特征提取，通过利用目标物体在初始模板、累积模板及预测模板的信息以及UpdateNet，并采用了相应的残差策略，从而得到需要的更新模板，以此来提升算法的鲁棒性。

数十年以来，尽管众多研究者对目标跟踪中出现的问题进行了持续地理论研究，也得到了对应的可行方案。但是鉴于目标跟踪过程中复杂的变化特性，想要真正将其广泛应用于生活中任然需要不断地对目标跟踪模型进行优化。目前而言，目标跟踪面临几个问题：形状及光照变化，快速移动、旋转、背景模糊、干扰物遮蔽等情况。尽管许多基于孪生网络的跟踪算法都表现出了十分优越的性能，但大多数目标跟踪器总是默认的在选取模板帧时，将目光锁定在了视频序列的第一帧，同时在后面的跟踪过程中不会对模板进行更新。因此，当目标物体受到干扰时得到的预测结果往往会相差甚大。传统的模板更新策略是线性的，由于目标在每一帧的变化范围都是不一样的，线性模板必然是无法使得我们得到理想结果的。故为解决这一问题，本文提出一种基于SiamRPN的一种自适应模板更新机制，使得目标跟踪的结果较为准确。……