张志远，杨 帆

(中国民航大学 计算机科学与技术学院，天津 300300)

0 引 言

目标跟踪旨在给定跟踪目标第一帧初始注释框的情况下，在连续的视频序列中建立所要跟踪物体的位置关系，得到目标完整的运动轨迹[1]。由于没有任何先验的外观、形状模型，仅有跟踪目标第一帧的标注信息用于模型理解跟踪目标，且存在光照变化、运动模糊、背景干扰等情况，使得目标跟踪仍然是计算机视觉领域中的难点问题。

现有的主流跟踪器大多采用监督学习的训练方式，在处理数据集时需要使用视频的目标标注信息，对图像进行以跟踪目标为中心的裁剪切割处理。随着互联网和信息技术的快速发展以及高速移动设备的普及，网络上的信息量呈现几何级爆炸式增长，如何在无标注信息的情况下利用好互联网带来的海量视频数据是值得研究的问题。受文献[2]提出的循环一致性损失启发，文献[3]提出了一种自监督的学习方法，学习视频之间的目标对应关系，其主要思想是将时间的循环一致性用作免费的监督信号，挖掘出视频在时间上的连贯性。文献[4]提出了首个无监督跟踪器，作者认为一个鲁棒的跟踪器可以在连续帧中定位目标对象且可回溯到第一帧的初始位置。不同于现有跟踪器读取视频标注信息进行有监督的学习，文献[4]提出的跟踪器以无监督的训练方式在大规模未标记视频上重复执行前向跟踪和后向跟踪来学习定位目标，揭示了无监督学习在视觉跟踪中的潜力。……