熊昌鎮(zhèn)，李 言

（城市道路交通智能控制技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室（北方工業(yè)大學(xué)），北京100144）

0 引言

計(jì)算機(jī)視覺(jué)是人工智能領(lǐng)域重要的研究分支，其中視覺(jué)目標(biāo)跟蹤技術(shù)更是重中之重。即在初始幀中確定目標(biāo)的坐標(biāo)和尺寸，在后續(xù)幀中能夠通過(guò)跟蹤框描述出目標(biāo)的運(yùn)動(dòng)軌跡。該技術(shù)運(yùn)用于安全監(jiān)控、競(jìng)技體育、人機(jī)交互等領(lǐng)域。與其他深度學(xué)習(xí)的跟蹤算法相比，基于孿生網(wǎng)絡(luò)的目標(biāo)跟蹤算法在跟蹤速度上有著絕對(duì)的優(yōu)勢(shì)，因此近年來(lái)吸引了眾多的研究者，基于孿生網(wǎng)絡(luò)的跟蹤算法也得到了快速的發(fā)展。

孿生網(wǎng)絡(luò)跟蹤算法就是衡量模板圖像在待檢測(cè)圖像上某一區(qū)域的相似程度。孿生神經(jīng)網(wǎng)絡(luò)有兩個(gè)輸入，即模板圖像和待檢測(cè)圖像，將這兩個(gè)輸入送入兩個(gè)相同的神經(jīng)網(wǎng)絡(luò)，這兩個(gè)神經(jīng)網(wǎng)絡(luò)分別將輸入映射到新的空間，形成輸入在新空間中的表示；然后通過(guò)計(jì)算，評(píng)價(jià)兩個(gè)輸入的相似度。Bertinetto等［1］提出了全卷積孿生網(wǎng)絡(luò)跟蹤（Fully-Convolutional Siamese networks for object tracking，SiameseFC）算法，提取特征的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）［2-4］離線訓(xùn)練，該網(wǎng)絡(luò)只有卷積層和池化層，是典型的全卷積神經(jīng)網(wǎng)絡(luò)，在線不更新策略，使得跟蹤速度可以達(dá)到實(shí)時(shí)，58 幀/s的速度遠(yuǎn)超其他深度學(xué)習(xí)的跟蹤算法。Guo 等［5］提出了動(dòng)態(tài)孿生網(wǎng)絡(luò)跟蹤（learning Dynamic Siamese network for visual object tracking，DSiam）算法，在SiameseFC 的框架中增加了目標(biāo)形變和背景抑制層，提高了跟蹤器的判斷能力。Li 等［6］提出了高效的孿生區(qū)域推薦網(wǎng)絡(luò)跟蹤（High performance visual tracking with Siamese Region Proposal Network，SiamRPN）算法，將區(qū)域推薦網(wǎng)絡(luò)（Region Proposal Network，RPN）與孿生網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了結(jié)合，RPN 有兩個(gè)分支，一路用于區(qū)分前景和背景，一路用于對(duì)跟蹤框的回歸，有效地提高了跟蹤的精度。Zhu等［7］提出了基于干擾物感知的孿生網(wǎng)絡(luò)跟蹤（Distractor-aware Siamese networks for visual object tracking，DaSiamRPN）算 法 ，在SiamRPN 的基礎(chǔ)上提出了增量學(xué)習(xí)，為了選擇出更好的跟蹤框，在訓(xùn)練中添加了三類樣本對(duì)，有效地提高了跟蹤器的泛化能力。Wang 等［8］提出的快速在線目標(biāo)跟蹤與分割（Fast Online Object Tracking and Segmentation，SiamMask）算法將提取特征的淺層網(wǎng)絡(luò)AlexNet［9］換成了更深層網(wǎng)絡(luò)的ResNet（Residual neural Network，ResNet）［10］，并在 RPN 并行加入掩膜分支進(jìn)一步提高了跟蹤的準(zhǔn)確率。

綜上所述，現(xiàn)有基于孿生網(wǎng)絡(luò)的跟蹤算法在跟蹤時(shí)不需要在線學(xué)習(xí)，模板（目標(biāo)）特征只根據(jù)預(yù)處理的第一幀圖片進(jìn)行提取，之后不再進(jìn)行更新，雖然速度上表現(xiàn)優(yōu)異，能夠達(dá)到實(shí)時(shí)跟蹤的要求，但是由此導(dǎo)致模板特征不能很好地適應(yīng)目標(biāo)的表征變化；另外，在SiamMask 的掩膜分支中，模板路淺層特征含有冗余性，會(huì)污染生成的目標(biāo)掩膜，使得跟蹤精確性沒(méi)有進(jìn)一步提高。

針對(duì)基于孿生網(wǎng)絡(luò)的跟蹤算法出現(xiàn)的上述問(wèn)題，本文對(duì)快速在線目標(biāo)跟蹤與分割算法進(jìn)行了以下幾點(diǎn)改進(jìn)：1）為了提高模板特征的表達(dá)能力，通過(guò)設(shè)置學(xué)習(xí)率，利用第一幀提取的模板特征與后續(xù)幀提取的模板特征進(jìn)行學(xué)習(xí)，這樣能夠豐富模板特征的語(yǔ)義信息，提高算法的魯棒性；2）在得到目標(biāo)掩膜（mask）的過(guò)程中，稀釋了模板路降維的特征，減少了冗余特征的信息干擾，提高了算法的精確性。最后為了驗(yàn)證本文算法的有效性，在兩個(gè)具有挑戰(zhàn)性的數(shù)據(jù)集上進(jìn)行了詳細(xì)的實(shí)驗(yàn)，并與幾個(gè)近期具有代表性的跟蹤算法進(jìn)行比較，實(shí)驗(yàn)結(jié)果表明本文所提方法得到了很有競(jìng)爭(zhēng)力的結(jié)果。

1 全卷積孿生網(wǎng)絡(luò)

為了保持跟蹤器的精確性和實(shí)時(shí)性，采用了全卷積孿生網(wǎng)絡(luò)的框架。另外，為了證明本文方法的有效性，將在本節(jié)介紹SiameseFC、加入RPN 的SiamRPN 以及視頻對(duì)象跟蹤和半監(jiān)督視頻對(duì)象分割算法SiamMask，在第2 章介紹本文的改進(jìn)方法。

Bertinetto 等［1］提出的 SiameseFC 算法共有兩個(gè)分支：一路為模板分支，一路為待檢測(cè)分支。全卷積孿生網(wǎng)絡(luò)是線下訓(xùn)練的，作用于模板分支的模板圖像z 和待檢測(cè)分支的待檢測(cè)圖像x，輸出為一維響應(yīng)圖。在響應(yīng)圖中找到得分最高的點(diǎn)，通過(guò)雙三次插值算法反向計(jì)算，找到目標(biāo)的位置。該算法的模板路圖像是經(jīng)過(guò)第一幀圖像預(yù)處理得到的，在跟蹤過(guò)程中不進(jìn)行更新。這兩個(gè)輸入由同一個(gè)CNN 進(jìn)行處理，生成的兩個(gè)相互關(guān)聯(lián)的特征圖根據(jù)式（1）得到相似度響應(yīng)圖：

式中：f(z)、f(x)分別是模板圖像和待檢測(cè)圖像由CNN 提取的特征；*為卷積操作。網(wǎng)絡(luò)中的最優(yōu)參數(shù)ω是采用隨機(jī)梯度下降訓(xùn)練得到的，從大型可視化數(shù)據(jù)庫(kù)（ImageNet Large Scale Visual Recognition Challenge，ILSVRC）［11］中選取了大量的圖片對(duì)（zi，xi），給定相應(yīng)的標(biāo)簽響應(yīng)圖Yi∈ {-1，+ 1}，然后最小化式（2）的邏輯回歸損失函數(shù)L(·)：

式中，N為訓(xùn)練樣本數(shù)。

Li等［6］在 SiameseFC 的基礎(chǔ)上提出了 SiamRPN 算法，該算法大幅提高了跟蹤速度，原因是加入了RPN，RPN 有兩個(gè)輸出：

式中φ(z)、φ(x)分別為模板特征和待檢測(cè)圖像特征。其中：是分類分支的輸出，包含 2k 個(gè)通道向量，通過(guò) softmax損失分類，區(qū)分前景和背景是回歸分支的輸出，包含4k 個(gè)通道向量，使用了可變寬高比的邊界框預(yù)測(cè)目標(biāo)的尺度和位置，解決了SiameseFC 中計(jì)算多個(gè)目標(biāo)尺度而減緩跟蹤速度的問(wèn)題，速度最高可達(dá)到200 幀/s。該算法將SiameseFC與Faster R-CNN 巧妙地聯(lián)系起來(lái)，RPN 并行計(jì)算，有效地提高了跟蹤精度。

SiamMask算法［8］能夠并行完成視頻目標(biāo)跟蹤任務(wù)和視頻目標(biāo)分割任務(wù)，沿用了SiameseFC 的跟蹤框架，將提取特征的AlexNet 換為深層網(wǎng)絡(luò)ResNet，將一維的響應(yīng)圖拓展到了多維，在RPN 原有的回歸分支和分類分支的基礎(chǔ)上，加入掩膜分支用于目標(biāo)分割，能夠更好地定位目標(biāo)。在三個(gè)分支訓(xùn)練了三個(gè)子網(wǎng)絡(luò)，主干網(wǎng)絡(luò)與子網(wǎng)絡(luò)均采用離線端到端的訓(xùn)練方式，掩膜分支利用logistic回歸損失：

式中：θ、φ 為主干網(wǎng)絡(luò)與子網(wǎng)絡(luò)的參數(shù)；yn為第n 個(gè)候選響應(yīng)窗口的標(biāo)簽為第n個(gè)候選相應(yīng)窗口中像素(i，j)對(duì)應(yīng)的掩碼標(biāo)簽；為分割網(wǎng)絡(luò)預(yù)測(cè)結(jié)果。SiamMask總損失函數(shù)為：

式中：Lscore、Lbox分別為分類分支損失和回歸分支損失，λ1、λ2、λ3為權(quán)值。

2 本文算法

本文算法的框架如圖1 所示。在視頻第一幀確定跟蹤目標(biāo)，利用相同的CNN對(duì)模板圖像z和待檢測(cè)圖像x進(jìn)行特征提取。為了適應(yīng)目標(biāo)表征變化，從第二幀開(kāi)始，每幀計(jì)算一次模板特征，并與第一幀模板特征進(jìn)行融合學(xué)習(xí)，更新后的模板特征與待檢測(cè)圖像特征進(jìn)行卷積計(jì)算得到多維響應(yīng)圖。另外，為了得到更精確的目標(biāo)掩膜，在掩膜分支加入了加權(quán)融合策略，減少了冗余特征的干擾。

圖1 所提算法框架Fig. 1 Framework of the proposed algorithm

2.1 模板特征更新

深度卷積神經(jīng)網(wǎng)絡(luò)提取的特征有很好的表達(dá)能力。淺層卷積提取的特征包含目標(biāo)的空間信息，能很好地區(qū)分背景干擾；深層卷積提取的特征包含目標(biāo)的語(yǔ)義信息，能很好地區(qū)分相同類別的物體。SiamMask 選用了深層網(wǎng)絡(luò)ResNet 的Conv4_3 層的特征，模板特征僅在初始幀進(jìn)行提取，在跟蹤過(guò)程中不進(jìn)行更新，待檢測(cè)圖像特征與模板特征進(jìn)行多維相似度度量計(jì)算，得到用于定位的多維響應(yīng)圖；但由于模板特征固定不變，當(dāng)目標(biāo)被嚴(yán)重遮擋或者發(fā)生形變時(shí)，容易出現(xiàn)跟蹤失敗的情況。所以通過(guò)設(shè)置學(xué)習(xí)率對(duì)模板特征更新，使模板特征能夠更好地適應(yīng)目標(biāo)的表征變化。

圖1上路即模板路（從模板圖像z到更新后的模板特征），首先通過(guò)CNN 提取初始幀模板特征并保留，第二幀以第一幀獲取的目標(biāo)中心點(diǎn)為中心截取127× 127× 3 的圖片塊，再通過(guò)CNN 對(duì)圖片塊提取特征，將提取的第二幀模板特征與第一幀模板特征進(jìn)行加權(quán)融合。選取第一幀模板特征進(jìn)行融合是因?yàn)槟繕?biāo)是在非遮擋下提取的特征，包含的目標(biāo)語(yǔ)義信息最為豐富。每一幀都進(jìn)行此操作，極大地豐富了模板特征的語(yǔ)義信息，經(jīng)過(guò)學(xué)習(xí)的模板特征與待檢測(cè)圖像提取的特征進(jìn)行卷積操作，得到的多維響應(yīng)圖更加精準(zhǔn)。模板特征更新公式為：

式中：η 為學(xué)習(xí)率；f1(z)為第一幀圖像提取的模板特征；fi(z)為第i幀圖像提取的模板特征。

2.2 加權(quán)的掩膜細(xì)化模塊

掩膜細(xì)化模塊如圖2 所示。多維響應(yīng)圖被分成大小相等的單位候選響應(yīng)窗口，候選響應(yīng)窗口表示模板圖像與待檢測(cè)圖像在某一區(qū)域的相似度。通過(guò)分類分支找到多維響應(yīng)圖中得分最高的候選響應(yīng)窗口，通過(guò)上采樣的方式，將低分辨率的特征圖與高分辨率的特征圖進(jìn)行融合。

圖2 掩膜細(xì)化模塊Fig. 2 Mask refinement module

在融合的過(guò)程中，將模板圖像z 提取的第一層、第二層和第三層特征通過(guò)降維的方式與候選響應(yīng)窗口上采樣的特征直接相加，在這個(gè)過(guò)程中，包含目標(biāo)空間信息的通道被舍棄，包含背景干擾信息的通道被保留，導(dǎo)致目標(biāo)分割定位不準(zhǔn)確。在保留模板特征空間信息的前提下，對(duì)其進(jìn)行加權(quán)，將更多的注意力放在上采樣的優(yōu)質(zhì)特征上，以減小降維特征對(duì)上采樣特征的干擾。該方法經(jīng)實(shí)驗(yàn)證明，模板圖像z 提取的第二層和第三層卷積降維特征對(duì)上采樣的特征干擾最大。在跟蹤過(guò)程中，為了保證跟蹤器的性能，需要設(shè)置合理的融合權(quán)重以充分發(fā)揮特征的表現(xiàn)能力。所以，將第二層降維特征與上采樣特征進(jìn)行加權(quán)融合，其融合權(quán)重比例為1∶1.25，第三層降維特征與上采樣特征融合比例為1∶2。該特征融合公式為：

3 實(shí)驗(yàn)與結(jié)果分析

為了評(píng)估本文改進(jìn)算法的有效性，選用VOT2016［12］、VOT2018［13］這兩個(gè)被廣泛應(yīng)用以及具有挑戰(zhàn)性的數(shù)據(jù)集進(jìn)行測(cè)試，這兩個(gè)數(shù)據(jù)集均有60組長(zhǎng)短不一的視頻，包含6種視覺(jué)干擾，每組視頻序列中至少包含一種視覺(jué)干擾，具有代表性。

實(shí) 驗(yàn) 平 臺(tái) 為 ubuntu16.04 系 統(tǒng) 下 的 PyCharm PROFESSIONAL2017，所有跟蹤實(shí)驗(yàn)均在配置為Intel Core i5-4590CPU，GTX 1060 GPU，內(nèi)存為16 GB 的計(jì)算機(jī)上完成。實(shí)驗(yàn)中采用的評(píng)價(jià)標(biāo)準(zhǔn)為精確性（Accuracy）、魯棒性（Robustness）以及預(yù)期平均重疊率（Expected Average Overlap Rate，EAO），其中Accuracy 是根據(jù)跟蹤算法預(yù)測(cè)的目標(biāo)框與標(biāo)注的真實(shí)框的重疊率計(jì)算得到的。首先計(jì)算第t 幀的重疊率：

式中Nvalid表示視頻序列的長(zhǎng)度。Robustness 用來(lái)測(cè)試跟蹤算法的穩(wěn)定性，數(shù)值越大，表示穩(wěn)定性越差，如下式所示：

式中：F(k)為跟蹤算法在跟蹤的第k 次重復(fù)中的失敗次數(shù)。EAO 是根據(jù)精確性和魯棒性計(jì)算得到的，將數(shù)據(jù)集中所有序列按長(zhǎng)度Ns分類，計(jì)算長(zhǎng)度為Ns的視頻序列每一幀一次性的準(zhǔn)確性，然后計(jì)算每個(gè)長(zhǎng)度為Ns視頻序列的準(zhǔn)確性，通過(guò)下式得出該長(zhǎng)度Ns的EAO值：

最后對(duì)不同長(zhǎng)度的EAO 值求平均，設(shè)序列長(zhǎng)度范圍為［Nmin，Nmax］，則：

EAO為一個(gè)數(shù)值，可用此值評(píng)測(cè)跟蹤算法的綜合性能；使用每秒鐘處理的幀數(shù)（Frames Per Second，F(xiàn)PS）評(píng)估跟蹤的速度，即實(shí)時(shí)性。

3.1 算法改進(jìn)實(shí)驗(yàn)

本部分實(shí)驗(yàn)對(duì)比模板更新過(guò)程中不同學(xué)習(xí)率對(duì)跟蹤過(guò)程的影響和掩膜細(xì)化模塊根據(jù)不同權(quán)重融合特征對(duì)結(jié)果的影響，并做了可視化對(duì)比實(shí)驗(yàn)。

3.1.1 不同學(xué)習(xí)率對(duì)比實(shí)驗(yàn)

本文算法通過(guò)設(shè)置學(xué)習(xí)率的方式去更新模板，使得模板特征能夠更好地適應(yīng)目標(biāo)的表征變化。在測(cè)試的眾多學(xué)習(xí)率中選出了四組不同的學(xué)習(xí)率在VOT2016 和VOT2018 上進(jìn)行了測(cè)試，以精確性和預(yù)期平均重疊率EAO 對(duì)跟蹤結(jié)果進(jìn)行評(píng)估，實(shí)驗(yàn)結(jié)果如表1 所示。學(xué)習(xí)率為0 是SiamMask 算法的實(shí)驗(yàn)結(jié)果，當(dāng)把學(xué)習(xí)率設(shè)置為0.06時(shí)精確性和EAO 在VOT2016和VOT2018 中提升幅度較為明顯，表明通過(guò)學(xué)習(xí)目標(biāo)變化后的模板特征有效地提高了跟蹤器的魯棒性。

3.1.2 不同權(quán)重融合特征的對(duì)比實(shí)驗(yàn)

SiamMask 算法在掩膜細(xì)化模塊將含有空間信息的高維特征降維后直接與相同通道數(shù)的候選響應(yīng)窗口上采樣的特征相加，為了減少因?yàn)榻稻S帶來(lái)的冗余特征干擾，在本實(shí)驗(yàn)中對(duì)模板圖像z所提取的第二層（Conv2）以及第三層（Conv3）降維后特征乘以不同的權(quán)重系數(shù)再進(jìn)行相加操作，實(shí)驗(yàn)結(jié)果如表2 所示。權(quán)重系數(shù)是通過(guò)反復(fù)實(shí)驗(yàn)得到的，表中選取了三組有代表性的權(quán)值進(jìn)行比較，這三組權(quán)值均提高了跟蹤性能，其中對(duì)Conv2 乘以0.8 和對(duì)Conv3 乘以0.5 時(shí)跟蹤效果最好，說(shuō)明稀釋模板圖像z降維特征再融合的方式有效，最終選取權(quán)重系數(shù)為0.8和0.5。

表1 不同學(xué)習(xí)率時(shí)的性能對(duì)比Tab. 1 Performance comparison with different learning rates

表2 不同權(quán)值時(shí)的性能對(duì)比Tab. 2 Performance comparison with different weights

3.2 與其他孿生網(wǎng)絡(luò)算法的對(duì)比實(shí)驗(yàn)

在VOT2016 數(shù)據(jù)集中選取了四種基于孿生網(wǎng)絡(luò)框架的算法和兩種主流算法進(jìn)行對(duì)比，分別是：SiameseFC 算法［1］、SiamRPN 算法［6］、DaSiamRPN［7］以及 SiamMask［8］算法、ECO 算法［14］和 CCOT 算法［15］，實(shí)驗(yàn)結(jié)果如表 3 所示，本文算法的精確性和魯棒性均優(yōu)于其他六種對(duì)比算法。另外，在VOT2016 數(shù)據(jù)集測(cè)試中，本文算法的EAO 比SiamMask 算法高了1.7 個(gè)百分點(diǎn)，比VOT2016 短時(shí)跟蹤挑戰(zhàn)賽冠軍CCOT 算法高了11.9個(gè)百分點(diǎn)，并沒(méi)有因?yàn)楦倪M(jìn)策略影響跟蹤速度，仍達(dá)到實(shí)時(shí)跟蹤的要求。

表3 VOT2016上7種算法的結(jié)果對(duì)比Tab. 3 Result comparison of 7 algorithm on VOT2016

在VOT2018 數(shù)據(jù)集中選取了六種基于孿生網(wǎng)絡(luò)框架的算法進(jìn)行比較，分別是：SiameseFC 算法［1］、SiamRPN 算法［6］、DaSiamRPN［7］、SiamMask［8］算 法 、DSiam［5］算 法 以 及SA_Siam_R［16］，精確性、魯棒性和實(shí)時(shí)性的實(shí)驗(yàn)結(jié)果如表 4 所示。在VOT2018 數(shù)據(jù)集測(cè)試中，本文所提算法的EAO 高于VOT2018短時(shí)跟蹤挑戰(zhàn)賽冠軍EAO 為0.389的自適應(yīng)學(xué)習(xí)的判別式相關(guān)濾波器（Learning Adaptive Discriminative Correlation Filters，LADCF）算法［17］，EAO、精確性和魯棒性均高于其他六種基于孿生網(wǎng)絡(luò)框架的算法。

表4 VOT2018上7種算法的結(jié)果對(duì)比Tab. 4 Result comparison of seven algorithms on VOT2018

圖3 給出了四種基于孿生網(wǎng)絡(luò)的跟蹤算法在graduate、girl、gymnastics1、car1這四組數(shù)據(jù)上的跟蹤效果。

圖3 四種跟蹤算法的部分跟蹤結(jié)果對(duì)比Fig.3 Comparison of tracking results of four tracking algorithms

在圖3（a）的graduate 視頻序列中，主要的干擾因素是遮擋，在目標(biāo)被遮擋前，四種算法均可以較好地定位到目標(biāo)，在第287 幀左右時(shí)，目標(biāo)發(fā)生遮擋，SiameseFC 算法和DSiam 算法出現(xiàn)了明顯的跟蹤偏差，本文算法和SiamMask 依然能夠準(zhǔn)確地跟蹤目標(biāo)；在圖3（b）的girl 視頻序列中，主要的干擾因素也是遮擋，在第106 幀左右時(shí)，目標(biāo)發(fā)生遮擋，SiameseFC 和DSiam 跟丟目標(biāo)，SiamMask 出現(xiàn)了跟蹤偏移的現(xiàn)象，遮擋結(jié)束后本文文算法在視頻的第139 幀依然穩(wěn)定跟蹤到目標(biāo)，其他三種算法全部跟丟目標(biāo)；在圖3（c）的gymnastics1 視頻序列中，主要的干擾因素是形變，從圖中可以看出目標(biāo)從發(fā)生形變到最后一幀，本文算法和SiamMask 有良好的穩(wěn)定性；在圖3（d）的car1 視頻序列中，主要的干擾因素是模糊運(yùn)動(dòng)，目標(biāo)在模糊運(yùn)動(dòng)前，本文算法與SiamMask 有較好的跟蹤效果，在第683 幀左右時(shí)，目標(biāo)發(fā)生模糊運(yùn)動(dòng)，可以看出四種算法均出現(xiàn)了明顯的偏移現(xiàn)象。綜上所述，在目標(biāo)發(fā)生遮擋、形變時(shí)本文算法能夠更好地跟蹤目標(biāo)。

4 結(jié)語(yǔ)

SiamMask 算法的跟蹤效果優(yōu)于其他基于孿生網(wǎng)絡(luò)框架的跟蹤算法，由于深度卷積特征具有超高的表征能力，所以性能比較穩(wěn)定，但出現(xiàn)類內(nèi)物體干擾或者目標(biāo)被嚴(yán)重遮擋時(shí)，會(huì)出現(xiàn)跟蹤丟失或者跟錯(cuò)的情況，因此本文做出以下改進(jìn)：首先，利用第一幀模板特征通過(guò)設(shè)置學(xué)習(xí)率與后續(xù)幀提取的模板特征進(jìn)行融合學(xué)習(xí)，豐富了模板特征的語(yǔ)義信息，增強(qiáng)了特征的表現(xiàn)力，提高了跟蹤器的魯棒性；同時(shí)，在掩膜細(xì)化模塊對(duì)降維特征進(jìn)行了加權(quán)操作，減少了冗余特征的干擾，提高了跟蹤精確性。在VOT2016 和VOT2018 數(shù)據(jù)集上進(jìn)行測(cè)試，并對(duì)不同學(xué)習(xí)率和不同權(quán)重對(duì)跟蹤效果的影響進(jìn)行了分析，結(jié)果顯示本文算法在VOT2016 數(shù)據(jù)集中測(cè)試的EAO 比SiamMask 算法高 1.7 個(gè)百分點(diǎn)，在 VOT2018 中比 SiamMask 算法高1 個(gè)百分點(diǎn)，實(shí)驗(yàn)結(jié)果均優(yōu)于其他對(duì)比算法，從而驗(yàn)證了本改進(jìn)算法的有效性；而且在兩個(gè)數(shù)據(jù)集測(cè)試速度均超過(guò)了34 幀/s，滿足實(shí)時(shí)跟蹤的要求。下一步工作將針對(duì)快速移動(dòng)和模糊運(yùn)動(dòng)干擾，進(jìn)一步提高目標(biāo)跟蹤的效果。