王 宁，宋慧慧，张开华

（1.江苏省大数据分析技术重点实验室（南京信息工程大学），南京 210044；2.江苏省大气环境与装备技术协同创新中心（南京信息工程大学），南京 210044）

0 引言

目标跟踪是计算机视觉领域中一项关键的基础性任务，其难点在于无法事先预知目标信息，仅在跟踪时定义目标，并要求推理出后续视频中目标的位置及其尺度信息，这是一种典型的训练样本少、待推理样本多的小样本学习任务（Few-Shot-Learning）。目标跟踪技术广泛应用于人机交互、自动驾驶、智能安防、交通监控、警务侦查和国防安全等重要场景。尽管此类技术的相关研究［1］已取得显著进展，但跟踪算法在处理非刚性形变、快速运动、目标干扰等复杂情况时仍存在严重不足，因此，视频目标跟踪问题依然具有极高的研究价值。

本文主要讨论短时的单目标跟踪问题。解决单目标跟踪问题的算法主要有三类：基于检测的算法、基于孪生网络的算法以及基于相关滤波的跟踪算法。随着目标检测领域的快速发展，涌现出了一系列优秀的检测相关跟踪算法［2-3］，此类跟踪算法利用检测器检测视频中的感兴趣目标，并对视频图像之间的时序关系进行建模，来获得感兴趣目标的运动轨迹。此类算法在一定程度上解决了目标遮挡、目标消失重现问题；但由于检测速度受限，基于检测的跟踪算法难以满足实际应用场景的需求。近几年受全卷积孪生网络（Fully-Convolutional Siamese Network，Siam-FC）［4］跟踪算法的启发，研究人员提出了一系……