施 立，许建龙

（浙江理工大学 信息学院，浙江 杭州 310018）

0 引言

在计算机视觉领域，实时目标跟踪是一个极具挑战性的难题。区别于目标检测问题，目标跟踪给出一组图像序列初始帧任意目标的边界框，需要在后续帧中标出目标位置。高性能跟踪算法在视频监控、自动驾驶、人机交互等多个领域都有重要作用，然而真实场景中往往存在尺度变化、遮挡、背景杂乱等复杂条件干扰，设计一个能应用于工业领域的强鲁棒性实时跟踪算法具有很大难度［1，2］。

目前有两种目标跟踪算法框架受到普遍认可。基于相关滤波（Correlation Filter，CF）的跟踪算法在2010 年由Bolme 等［3］提出，其通过计算最小平方误差滤波（Minimum Output Sum of Squared Error filter，MOSSE），根据输入图像训练相关滤波器，在后续帧中通过计算图像与滤波器的响应确定跟踪目标所在位置。考虑到MOSSE 没有充分利用样本结构信息，同时缺乏高效密集采样策略，Henriques等［4］提出循环位移密集采样策略，同时使用核函数将问题映射到高维空间，并使用核戏法简化计算。为增强特征表达能力，Henriques 等［5］利用多通道HOG 进行特征表达，并利用对角化技术进一步优化计算过程；Danelljan 等［6］引入多通道颜色特征（Color Name，CN）并使用PCA 降维提取有效特征，提升了算法对形变目标的鲁棒性。

近年来，得益于深度学习领域的快速发展，深度特征凭借其优秀的表达能力逐渐取代手工特征，但深度特征在提升模型准确度的同时也增加了计算量，为基于深度学习的目标跟踪算法达到实时标准增加了难度。一种新颖的孪生网络使用共享权值的两个神经网络分别学习目标特征与搜索图特征，然后将跟踪视作相似性匹配问题，基于孪生网络的目标跟踪算法凭借其优异的跟踪性能吸引了大量业内学者关注。……