随着5G、大数据和人工智能等技术的发展,国防、遥感、智慧城市和安防等不同的领域生成并存储了海量的视频数据,对这些大规模视频数据进行快速、实时分析处理的需求日益增长。视觉目标跟踪主要用于同时跟踪视频中出现的一个或者多个目标,而视觉单目标跟踪技术旨在持续、高精度地跟踪视频中的特定目标,是视频数据分析中的重要研究内容,被广泛应用于军事应用领域中的机动目标跟踪、智能监控、人机交互和增强现实等领域。基于深度神经网络的单目标跟踪算法,一般可以较为有效地克服在跟踪过程中存在的光照变化、运动模糊、复杂背景等影响因素。然而,现有的单目标跟踪算法在视域中出现相似目标干扰时容易发生漂移,甚至跟踪失败的问题。针对上述问题,本文重点研究了基于孪生网络的目标跟踪算法,分析了不同物体对卷积神经网络中特征通道的激励能力,提出了一种基于压缩激励机制的孪生网络目标跟踪算法,设计了一种轨迹拟合的策略,进一步提高了跟踪准确率。本文的创新点和主要工作包括以下三个方面:1.针对基于孪生网络的目标跟踪算法在视频中多个区域的特征分布与模板图像的特征分布相似时经常跟踪失败的问题,提出了一种基于压缩激励机制的孪生网络单目标跟踪算法。基于孪生网络的目标跟踪算法处理速度快、跟踪准确率高,已经得到了广泛的应用。但是,孪生网络的骨干网络在大规模数据上学习到通用的外观表示后,不能很好描述相似物体之间细微差别,通过对压缩激励机制对不同特征通道赋予不同权重的深入分析,将压缩激励机制融合于孪生网络单目标跟踪模型中。首先利用全卷积神经网络对模板图像与视频图像进行特征提取,然后采用压缩激励机制对提取的特征进行重标定。同时,针对重标定后的特征经过压缩激励后丢失了大量空间信息的问题,将重标定前和重标定后的特征分别计算热力图,二者加权融合后作为最终的跟踪热力图,最后将热力图中响应最高的点映射至视频图像中,得到当前视频图像的跟踪结果。由于相似目标区域特征分布相似性的降低,真实目标与干扰目标得以区分。2.针对相似目标与真实目标属于同一类别时特征分布差异不明显的问题,基于运动目标轨迹具有连续性的特点,在所提出算法的基础上,提出了基于最小二乘和偏离感知模板更新机制的轨迹拟合策略。首先结合基于压缩激励机制的跟踪算法预测k个候选位置,然后将历史跟踪结果所在位置映射到二维直角坐标系中,利用最小二乘法拟合目标运动轨迹,通过计算所有候选位置与拟合轨迹的偏离程度,预测视频图像中目标的位置。同时,设计了一种偏离感知的模板更新机制,处理由于目标外观发生显著变化时,模板未及时更新导致跟踪失败的情况。出现同类别的相似目标时,此算法具有先进的跟踪精度,并且能够以较高的帧速率运行。3.面向某研究所的目标跟踪的实际项目需求,基于所提出的压缩激励机制跟踪算法和轨迹拟合策略,设计并实现了空中相似目标视频跟踪软件。首先,设计了视频图像预处理功能模块,对未标注标签的视频测试数据进行标注,以及标注文本文件的生成与处理,方便统计跟踪算法的准确率与跟踪成功率。其次,完成了特征分析功能模块,显示视频图像提取的特征,观察视频图像相似目标区域的特征分布。最后,实现了包含相似目标跟踪算法的跟踪功能模块,标注视频图像的跟踪结果并保存。为验证所提出的跟踪算法的有效性,在标准的跟踪数据集OTB50、OTB100以及经过筛选得到的相似目标数据集上进行了测试。实验结果表明,所提出的跟踪算法在跟踪的准确率和成功率上均有提升。在相似目标测试集上,准确率和跟踪成功率分别为86.1%和78.1%;在OTB50和OTB100数据集上,准确率和跟踪成功率分别为82.6%和62.3%。所开发的空中相似目标跟踪软件的视频预处理和特征分析功能正常,视频数据跟踪的准确率与成功率也满足项目指标要求。目前,该软件已经交付某研究所,并应用于空中红外目标综合处理项目中。