一种多分辨率在线选择分支的单目标跟踪方法*

杨大为，张宇堃，尉晨阳

（沈阳理工大学信息科学与工程学院，沈阳 110159）

1 引言

视觉目标跟踪是指对图像序列中的运动目标进行检测、提取、识别和跟踪，获得运动目标的运动参数，如位置、速度、加速度和运动轨迹等，从而进行下一步的处理与分析，实现对运动目标的行为理解，供更高一级的检测任务使用。这其中要运用到孪生网络，其结构具有两个输入，一个是作为基准的模板，另一个是要选择的候选样本。在单目标跟踪任务中，作为基准的模板作为要跟踪的对象，通常选取的是视频序列第一帧中的目标对象；而候选样本则是之后每一帧中的图像搜索区域。孪生网络要做的就是找到之后每一帧中与第一帧中的范本最相似的候选区域，即为这一帧中的目标，实现目标的跟踪。

SiamFC算法[1]的网络结构就是孪生网络，其骨干网络主要使用的是浅层的Alexnet网络[2]，但跟踪效果并不是很理想。在此做出改进设计，以SiamFc算法为基础，以深层网络Resnet-50作为骨干网络，并采用具有在线分支选择机制的多个网络分支架构。这种改进有如下特点：首先，在Siamese网络的基础上，以深层网络Resnet-50作为骨干网络实现对目标图像更深层次的特征提取，增加了其外观表示的鲁棒性；其次，为了充分利用不同的分支，提出一种有效的通用分支选择机制，根据分支的区分能力动态选择分支；第三，在多分支和分支选择机制的基础上，提出了一种新的深度学习跟踪方法，实现了实时跟踪，提高了跟踪性能。……