姜珊， 底晓强， 韩成

(长春理工大学 计算机科学技术学院， 吉林 长春 130022)

0 引言

计算机视觉作为人工智能领域的重要组成部分，为社会发展带来了巨大变化。其中，目标跟踪作为计算机视觉领域内的重要分支，在智能视频监控、人机交互等领域应用广泛。同时，作为自主空战中的关键技术，目标跟踪为军事领域提供了有力的技术支撑。以军事侦察领域为例，近年来，随着科技的发展，无人机已经成为重要的军事侦察工具，对军事基地等敏感区域的安防造成了极大的威胁。因此，开展目标跟踪技术研究，实现对飞行器的有效监管和必要的反制，对于提升军事战场中的竞争力具有重要意义。

近年来，深度学习方法推动了计算机视觉领域的技术革新，为目标跟踪技术注入新的动力[1-6]。然而，现有跟踪算法在实际应用环境中依旧面临着复杂的考验，这些算法不仅受到遮挡、光照变换等外在因素的影响，也受到目标外观形变、运动模糊等内在因素的困扰，导致跟踪过程中跟踪框发生漂移，严重影响了对目标位置信息的判断。因此，如何实现对目标准确、稳定的跟踪，是亟待解决的问题。

Bertinetto等[7]提出的全卷积孪生网络算法SimaFC将视频序列初始帧作为模板，根据待跟踪帧中目标与模板帧的相似性定位目标；通过此种方式完成对模型的离线训练后，不对模型进行在线更新。因此，SiamFC算法在速度上优势显著，极大程度上满足了跟踪任务的实时性要求。Valmadre等[8]将相关滤波嵌入SiamFC算法中，为相似跟踪问题提供了一种端到端的解决方案。……