王小平，施新岚

(1. 重庆城市管理职业学院 大数据与信息产业学院，重庆 401331； 2. 重庆邮电大学 通信与信息工程学院，重庆 400065)

0 引 言

运动目标跟踪技术是智能交通应用背景下的研究重难点，其主要目的是持续确定机动车、非机动车和行人目标在视频图像序列中的位置。通过分析可以得到目标运动速度、加速度等运动参数，经进一步处理，得到图像画面中目标的运动轨迹、实时姿态信息，从而实现对运动目标的行为分析与理解，最终判断目标是否违反交通规则[1]。

相关滤波器及深度学习目标跟踪算法是目前2种主流技术。相关滤波器的本质是利用目标前景与背景信息间的差异设计分类器[2]。深度学习算法在视频图像序列中以其多隐藏层的结构提取目标特征，并由模式识别完成运动目标的跟踪[1,3-4]。

POSTECH实验室在2016年提出一种被称为MDnet多域网络的新型CNN网络体系结构[5]，MDnet网络规模较小，兼顾了多种目标跟踪的通用性。这种高实时性的模型非常适用于智能交通领域，但是智能交通领域中复杂的交通道路还有目标尺度变化、目标被遮挡、目标模糊等特性问题需要解决。MDnet在这些问题中表现的相对一般，依然存在改进空间。

运动目标跟踪技术的应用载体是视频图像序列。由同一摄像头捕获的视频图像序列信息与时间相关，一般呈现出图像连续变化的特性。根据图像连续变化的时间相关特性，收集前序图像中的目标运动信息对当前帧目标位置进行预测；……