计算机视觉是人工智能领域重要的研究方向之一,而作为计算机视觉主要分支的目标跟踪技术受到国内外学者的重视。传统的目标跟踪算法主要利用相关滤波方法处理手工设计的低维目标特征实现跟踪。然而,由于手工特征不能从本质上刻画目标,因此会导致跟踪性能受到限制。深度学习技术可以将低层特征组合成抽象的高层特征,从而克服手工特征表征不足的问题。目前,基于深度学习的目标跟踪算法大都是使用卷积神经网络来研究这一问题。这类方法首先利用卷积神经网络对目标物体进行特征提取,然后采用回归或分类的方法根据最后一层卷积层提取的特征对目标物体进行定位。虽然这些方法也取得了不错的跟踪性能,但是仍然存在“忽略帧间相关性”及“未充分利用各层卷积特征”等局限性。为了提高跟踪算法的性能,本文综合考虑各卷积层提取的特征及视频帧之间的时间相关性,提出一种融合卷积特征与时间信息的跟踪模型(A tracking model of fusing convolutional features and temporal information,FCFTI)。本文完成的工作如下:(1)针对ADNet模型只将最后一层卷积特征作为目标物体的表征结果的问题,本文提出了一种融合不同卷积层特征的改进方法(An improved method of fusing convolutional features,FCF),将浅层特征和深层特征融合;针对ADNet模型无法挖掘视频帧之间时间相关性的问题,本文提出了一种综合考虑时空信息的改进方法(An improved method of fusing spatial-temporal information,FSTI),将循环神经网络引入到模型中,通过循环神经网络将当前帧的目标特征与历史帧的目标特征融合后作为目标最终的表观结果;针对现有算法大多仅采用最后一层卷积层提取的空间特征描述目标,且没有挖掘视频帧间时间相关性的问题,本文提出了 一种融合卷积特征与时间信息的跟踪模型(A tracking model offusing convolutional features and temporal information,FCFTI)。(2)在OTB数据集上进行了大量的对比实验。首先,选择ADNet模型作为基准模型。其次,分别将本文提出的改进方法与基准模型进行跟踪性能对比。然后,将本文提出的FCFTI模型与数十种公认性能较好的算法进行对比。实验结果表明,结合各层卷积特征的算法及融合时空信息的算法都可以提升跟踪性能,本文提出的同时考虑各层卷积特征和时间相关性的FCFTI模型跟踪效果好于其它对比模型。