柳 赟 孙淑艳

(华北电力大学电气与电子工程学院 北京 102206)

0 引 言

机载光电平台是由伺服控制系统、测距机、红外热像仪、电视、跟踪器等单体组成，可实现对地目标检测、跟踪与识别[1]。目标跟踪技术是机载光电平台实现对地目标稳定跟踪的主要技术，其跟踪的性能直接关系到对地目标感知的精度。

目标跟踪是计算机视觉领域非常重要的研究课题之一，广泛应用于运动分析[2]、机器人导航[3]、人机交互[4]、视频监控[5]等领域。现有的目标跟踪算法主要从模型泛化与特征表征两个方面提高目标定位精度与跟踪鲁棒性[6]。然而，复杂的跟踪算法或特征表征方法虽然改善了目标跟踪性能，但同时也增加了计算复杂性。因此，如何平衡跟踪算法的精度与速度是跟踪算法工程化应用亟需考虑的核心问题。

基于低层次特征的跟踪算法，如LAKCF[2]和TMFT[4]，大都融合了多尺度、多分辨率、多特征信息来提高跟踪指标与跟踪速度，而基于深度模型的跟踪网络，如Siamese跟踪网络[7]，则是平衡了速度和精度之间矛盾而逐渐成为单目标跟踪研究中最优模型。一般来说，基于深度模型的跟踪算法将传统的跟踪任务从目标搜索和回归过程转换为相似性比较问题，并在固定时间内完成目标跟踪。DSiam网络采用在线学习目标的外观变化和背景抑制，在排除背景干扰的同时适应目标变化，提高跟踪性能[8]。

尽管改进Siamese跟踪方法能够平衡跟踪的速度和准确性，但仍有三个问题需要解决：(1) 大多数Siamese网络跟踪器无法更新模板，主要是由于简单的固定模板确保了较高跟踪速度，但牺牲了更好地适应目标外观形变的能力；……