武哲纬，周世杰，刘启和

电子科技大学 信息与软件工程学院，成都610000

视觉目标跟踪是一个开放的、有吸引力的研究领域，其现实需求大且应用范围广泛，包括自动驾驶汽车[1-2]、自动机器人[3-4]、无人机跟踪[5]等诸多方面。在复杂的现实场景中，目标跟踪场景的不适定性使得该问题更具有挑战性，如目标（例如行人、车辆、建筑等多种目标）的不规则形变、运动方式（例如高速运动、瞬移等情况）的变化以及环境条件的变化（例如照明变化、背景干扰等场景）增加了目标跟踪算法难度。

目标跟踪方法的核心思想是根据跟踪对象的特征在时空上完成跟踪对象的匹配和位置预测。根据特征提取技术手段不同，可将目标跟踪算法分为两类：基于传统手工特征的目标跟踪方法与基于深度卷积的自动特征提取目标跟踪方法。

基于传统手工特征的目标跟踪方法根据其工作方式可大致划分为核方法[6-7]、光流法[8-9]与判别相关滤波方法[10-12]，主要以CamShift算法[13]、MOSSE算法[10]、SRDCF算法[14]与CFLB算法[15]为代表。这些算法主要采用包括SIFT特征[16]、SURF特征[17]、HoG特征[18]、Color Name特征[19]等通过仿照人类的视觉特点来提取图像中具有区分能力的手工特征。

传统的目标跟踪方法尽管能够完成目标的视觉跟踪任务，但是仍存在跟踪精度相对较低，且存在边界效应（Boundary Effect）的不足。

深度学习理论被提出以来，对计算机视觉任务起到了巨大的推动作用，基于深度学习的目标跟踪算法越来越受到关注。根据其采用的主要网络结构不同……