张兴旺，刘小雄，林传健，梁 晨

(西北工业大学 自动化学院, 西安 710072)

0 引言

随着计算机视觉技术的发展，目标对象跟踪越来越成为计算机视觉领域的热门研究方向[1-2]。近年来无人机领域的技术愈发成熟，这使得基于无人机的目标跟踪系统的实现变得相对容易，而在工业、军事等领域的应用需求也使得无人机跟踪系统的实现变得迫切。因此目前涌现了一大批国内外学者对无人机目标跟踪领域进行了深入研究。R.Gonzalo[3]等人提出了一种利用单摄像机实时检测和跟踪无人机运动目标的方法，该方法主要是通过比较人工建立的光流场和真实光流场得到一个动态像素列表，然后分组为动态对象，在时间和空间中对动态对象进行跟踪。JeongWoon等人利用目标的颜色特征对目标进行识别，并利用AR.Drone 2.0无人机实现了对一个红色椭圆图案的跟踪[4]。东南大学针对四旋翼无人机跟踪地面目标过程中出现的目标遮挡问题，设计了基于粒子滤波结合P-N在线学习的目标跟踪算法[5]。

目前关注度较高的目标跟踪算法分为两类：相关滤波和深度学习。而相关滤波选用的特征大都基于手工设计的特征，如方向梯度直方图(HOG)[6]、局部二分模式特征(LBP)[7]等。相比较大量训练数据样本学习出来的深度特征，手工设计的特征在检测的准确性上相比较深度特征差了很多[8-9]。YOLOV3[10]作为一种目标检测算法，使用卷积神经网络训练目标深度特征，最终得到目标的类别和位置，可以在兼顾速度和准确率的前提下实现单一目标的跟踪，是一种性能优良的算法。……