视频目标跟踪是指在仅给定待跟踪目标初始帧目标框的情况下,通过一系列视觉方法提取到目标的特征,并在视频后续帧中自动地得到目标的位置和大小。近年来,基于孪生网络的目标跟踪算法在精度和速度指标上达到了很好的均衡,成为目标跟踪领域的主流研究方向。现有的基于孪生网络的目标跟踪算法主要研究的是任意通用场景下的任意目标的跟踪问题,然而在实际场景中,由于光照的存在,跟踪精度往往会受到目标产生的阴影的影响。此外,这些算法通常是针对彩色视频设计的,但是对于一些特定任务场景需要对单色视频中的目标进行跟踪。单色视频由于对比度低和颜色信息缺失等特性使得目标跟踪更加困难。本文在总结和分析目标跟踪领域研究现状的基础上,重点研究了包含阴影的单色视频的目标跟踪问题。主要工作如下:(1)提出了一种基于阴影感知的单色视频目标跟踪算法,以降低阴影对单色视频目标跟踪精度的影响。该算法网络框架总体上由孪生网络和区域候选网络两部分构成。孪生网络主要用于对输入图像对进行特征提取,区域候选网络主要用于候选框的生成,利用候选框的分类和回归结果确定目标框的位置。(2)在孪生子网络部分,提出了基于阴影先验信息的阴影感知模块。该模块可以将阴影先验分支提取到的特征以空间注意力的方式作用于图像分支提取到的特征中,从而增强图像分支中阴影与非阴影区域的特征对比。(3)为了提取到更加精细的特征,构建了选择性特征融合模块。该模块可以根据跟踪目标的不同而自适应地调整感受野的大小,得到对目标更具有辨别力的特征,从而进一步提高跟踪器的性能。(4)针对单色视频序列的特殊性,在训练数据集中使用随机改变检测图像亮度或对比度的数据增强方式,使得模型在单色视频中学习出对光照变化更鲁棒的特征表达,同时提高跟踪器对目标阴影区域的抗干扰能力。(5)此外,针对当前公开的目标跟踪数据集中包含阴影的视频序列较少,故为了更好地验证本算法的有效性,本文还构建了一个视频序列包含阴影的目标跟踪数据集SSOT(Shadow Scene Object Tracking)。SSOT数据集主要通过在具有阴影的场景中拍摄视频,并经过真值目标框的标注得到。主要由53个视频序列组成,包含建筑、树木、赛车手等场景。本文算法是在Ubuntu16.04系统环境下使用Py Torch深度学习框架搭建模型实现的,模型在单色化后的公开目标跟踪视频序列上和新建的SSOT数据集上进行测试,并与现有目标跟踪算法进行对比实验分析。实验结果表明,本文算法不仅能够在含阴影的单色视频序列中具有优良的跟踪性能,而且在无阴影的单色视频序列中也能比较好地跟踪目标,验证了本文算法的有效性。