基于ShuffleNet輕量化孿生網絡的目標跟蹤算法

卓怡瀾 陳孟儀 林明秀 高龍年

（東北大學信息科學與工程學院 遼寧省沈陽市 110819）

1 引言

視覺目標跟蹤是計算機視覺領域的一個重要內容，視覺目標跟蹤近幾年發展迅速，應用前景十分廣闊，使用范圍也逐漸從高端的科技產品走向人們的日常生活。視覺目標跟蹤要完成這樣一個任務：手動或自動給出當前視頻第一幀的目標，根據該幀的目標，從后續的幀中找到與第一幀中選定的目標的位置。當需要確定一個物體在連續幀里的位置時常常利用視覺目標跟蹤。跟蹤算法在人機交互、監控安防、無人駕駛及軍事戰爭中起到了關鍵作用具有廣闊的應用場景。

目標跟蹤的算法發展可以分為兩個大階段，前期階段目標跟蹤領域的主流算法的是粒子濾波，光流法，基于回歸方程的算法等。在深度學習和相關濾波的跟蹤方法出現后，目標跟蹤算法就進入了一個新的階段。新的跟蹤算法憑借著更好的魯棒性，準確性和對于復雜情況的更好的跟蹤效果逐漸替代了舊的算法。

當下的目標跟蹤算法主要有兩個分支，基于相關濾波的跟蹤算法和基于深度學習的跟蹤算法。相關濾波的跟蹤算法始于2010年的MOSSE算法，此后CSK算法，KCF算法，DCF算法都是在此基礎上發展而來，在精度和速度上表現優異，但是仍無法很好地處理目標尺度變化較大的目標跟蹤問題。

深度學習的發展和計算機算力的增強帶來了視覺算法性能的突飛猛進，深度學習技術也被成功應用在跟蹤領域。……