牟清萍，张 莹,2，张东波,2，王新杰，杨知桥

1.湘潭大学 自动化与电子信息学院，湖南 湘潭411105

2.机器人视觉感知与控制技术国家工程实验室，长沙410082

视觉跟踪以连续视频帧为对象，提取目标特征后，根据视频帧序列的上下文信息，利用特征构建目标外观模型，判断候选样本是否为跟踪目标。跟踪算法按照特征提取方式的不同，通常分为基于传统模型和基于深度学习模型，传统模型通常利用灰度特征、颜色特征、梯度特征以及纹理特征等[1-4]人工特征，单个特征表达单一，跟踪精度不高，融合多个特征之后虽然能够一定程度上提高算法的跟踪精度，但算法对复杂环境下目标出镜头、严重遮挡等情况跟踪效果不佳。

深度学习模型得到的卷积特征具有高层特征更抽象、底层特征更细粒的特点，对目标特征的表达更为丰富[5-6]。近几年基于深度学习模型的目标跟踪算法在OTB[8]（Object Tracking Benchmark）、VOT[9]（The Visual Object Tracking vot2017 challenge results）等数据集中跟踪精度领先传统模型，深度学习跟踪算法[10]（Learning a deep compact image representation for visual tracking，DLT）利用深度堆栈网络获取目标特征，每间隔一定帧数或者置信度小于一定阈值时更新外观模型，但由于训练不充分算法跟踪精度较低；分层卷积特征的视觉跟踪算法[11]（Hierarchical convolutional features for visual tracking，CF2）利用卷积网络得到三个对应的置信度图进行加权融合定位目标，但该算法对尺度变化严重的物体跟踪效果不好；全卷积孪生网络算法[11]（Fully-convolutional siamese networks for object tracking，SiamFC）由于不在线更新外观模型，当目标出现严重变形和遮挡时就会跟踪失败；相比于其他深度学习算法，实时多域卷积神经网络算法[13]（Real-Time MDNet，RT-MDNet）利用历史帧更新模型，精度高速度快，不需要进行参数微调也能达到好的跟踪效果。……