DOI：10.19850/j.cnki.2096-4706.2021.08.024

摘  要：近十年来，深度学习由于其优越的性能，已经逐渐应用于各个领域。在目标跟踪领域，基于深度学习的方法也取得了巨大的成功。文章主要介绍基于深度学习的目标跟踪算法研究现状及发展趋势。首先，介绍了视觉目标跟踪传统算法。然后，对基于深度学习的目标跟踪算法进行分类，并进行问题分析。最后，对基于深度学习的目标跟踪算法的发展趋势进行预测。

关键词：目标跟踪;深度学习;孪生网络;相关滤波

中图分类号：TP391.41      文献标识码：A 文章编号：2096-4706（2021）08-0082-04

Research Status and Development Trend of Target Tracking Algorithm Based on Deep Learning

ZHANG Yingjie

（Zhanjiang University of Science and Technology，Zhanjiang  524094，China）

Abstract：In recent ten years，deep learning has been gradually applied in various fields because of its superior performance. In the field of target tracking，the method based on deep learning has also achieved great success. This paper mainly introduces the research status and development trend of target tracking algorithm based on deep learning. Firstly，the traditional algorithms for visual target tracking are introduced. Then，the target tracking algorithms based on deep learning are classified and the problems are analyzed. Finally，the development trend of target tracking algorithm based on deep learning is predicted.

Keywords：target tracking;deep learning;siamese network;correlation filtering

0  引  言

視觉目标跟踪在目标检测算法检测到目标以后，对目标进行持续跟踪。视觉目标跟踪在现实世界中有诸多应用，涉及智能交通系统^[1]，先进辅助驾驶^[2]，导弹制导^[3]，医疗诊断^[4]，视频监控^[5]等领域。

主流的目标跟踪系统结构如图1所示，从整体上分为特征提取、外观模型、目标搜索、模型更新4个部分。特征提取主要利用图像处理技术提取图像的一些特征信息。目标搜索主要根据目标的信息，提供一系列候选目标。外观模型根据特征提取和目标搜索提供的候选来预测目标的状态。模型更新可以让外观模型适应目标和背景变化。

自上世纪开始，很多经典的视觉目标跟踪算法被提出。这些算法大多采用一些人工设计的特征，比如光流法^[6]、粒子滤波法^[7]、均值漂移滤波方法^[8，9]等。如光流法是一种比较经典的目标跟踪算法，它利用两帧之间的差别来对目标进行跟踪，能够很好地利用时间序列的信息，现在很多优秀的目标跟踪算法，都是借鉴光流法的思想。……