曾上游，贾小硕，李文惠

(广西师范大学电子工程学院，广西 桂林 541004)

1 引言

视频追踪在计算机视觉领域是一个重要且有挑战性的热门课题。目前，随着卷积神经网络的广泛应用，视频追踪算法在准确率与追踪速度上比传统算法都有提高，但在真实场景下，遮挡物、运动突变等情况会对目标物体的定位带来很大的干扰。

视频追踪中对目标的连续定位属于运动估计范畴，而运动估计算法的速度和准确率又直接影响了视频追踪总体的优劣性。传统的运动估计算法以相关滤波器方法[1 - 4]为主，目前最新的滤波器追踪算法有SRDCF(Spatially Regularized Discriminative Correlation Filters)[5]、CSRDCF(Channel and Spatial Reliability-Discriminative Correlation Filters)[3]和KCF(Kernel Correlation Filter)[6]，但这些算法针对背景复杂、有运动突变的物体存在难以定位的问题。近年来，随着卷积神经网络的广泛应用，经典的SiamFC(Fully Convolutional Siamese networks)[7]、SiamRPN(Siamese Region Proposal Network)[8]追踪算法和最近提出的SiamRFC[9]算法在VOT 2015、VOT 2016和OTB100数据集上也都取得了很大的突破。SiamFC主要对图像进行相似度判定和目标定位，但出现遮挡物干扰时，目标定位的准确率偏低。SiamRPN把视频追踪看作连续的检测过程，通过RPN网络生成待定的目标候选框，利用孪生网络进行相似度判定，达到精准定位效果。SiamRPN的准确率和速度都要高于SiamFC的，但训练过程较为复杂；SiamRFC则结合以上2个追踪算法的优势，减少了训练参数，提升了追踪能力，但在遮挡物和运动突变的干扰下仍面临很大的挑战。

为解决此类问题，本文提出一个基于LSTM(Long Short-Term Memory)[10]的双线程在线更新的追踪算法TripLT。该算法由3部分组成：(1)基于Triplet Network[11]设计的相似度判定网络Tripnet；(2)基于LSTM设计的运动预测网络LTnet，可通过当前帧的位置数据预测下一帧的位置数据；……