刘 云，钱美伊，李 辉，王传旭

青岛科技大学 信息科学技术学院，山东 青岛266000

在计算机视觉领域中，目标跟踪是一个重要的研究方向[1]，解决视觉目标跟踪的算法，可以分为生成式算法和判别式算法[2]。生成式目标跟踪算法关注于目标自身特征信息[3]，与之相比，判别式跟踪算法关注于区分目标和背景，在提取目标特征信息的同时，充分利用了背景信息[4]。因此，判别式算法跟踪性能普遍优于生成式算法，也使得判别式算法成为当今主流的目标跟踪算法[2]。基于深度学习的判别式跟踪算法，可以分为基于深度特征的相关滤波跟踪算法和基于孪生网络的目标跟踪算法[5-6]。

基于深度特征的相关滤波跟踪算法，需要根据提取特征图和目标位置响应图，经训练得到相关滤波器[7]，用于跟踪后续视频帧中的目标。由于视频首帧训练样本不足，可能导致经训练得到的相关滤波器效果欠佳[8]。相关滤波跟踪算法在跟踪过程中会持续更新相关滤波器，如果目标存在遮挡等严重干扰，容易产生跟踪漂移现象，甚至是跟踪丢失[9]。与之相比，基于孪生网络的跟踪算法具有大型数据集预训练、深度特征提取、端到端训练、跟踪准确度高等优点[10-11]。

本文提出特征融合与训练加速的高效目标跟踪。首先，加深主干网络参考特征图层级，减少下采样，融合多个层级的深度特征图，从而丰富了目标特征信息，提高跟踪精度。权衡区域建议网络（Region Proposal Network，RPN）[12]阶段的正、负锚点的数量，提高了目标跟踪效率。……