韓 慧 陸建峰

（南京理工大學(xué) 南京 210094）

1 引言

目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究方向之一，在雷達(dá)制導(dǎo)、航空航天、醫(yī)療診斷、智能機(jī)器人、人工智能、自動(dòng)控制等多領(lǐng)域都有廣泛的應(yīng)用［1］。目標(biāo)跟蹤，簡(jiǎn)而言之，其目的是在視頻的每一幀中尋找到運(yùn)動(dòng)目標(biāo)物體，并用一個(gè)緊緊包含該目標(biāo)物體的邊界框?qū)⑵洹白粉櫋背鰜?lái)。近幾十年來(lái)，盡管視覺(jué)跟蹤算法已經(jīng)取得諸多進(jìn)展，但有些阻礙視覺(jué)跟蹤的問(wèn)題依然存在，例如：運(yùn)動(dòng)模糊、外觀變化、遮擋、光照變化和背景混雜等［2］。

近些年來(lái)，深度神經(jīng)網(wǎng)絡(luò)的發(fā)展為視覺(jué)跟蹤領(lǐng)域帶來(lái)豐富的特征表示，基于卷積神經(jīng)網(wǎng)絡(luò)CNN的目標(biāo)跟蹤方法更具魯棒性的同時(shí)也提升了性能。目前兩種主流的基于深度學(xué)習(xí)的目標(biāo)跟蹤算法發(fā)展方向主要是以輕量級(jí)網(wǎng)絡(luò)架構(gòu)MDNet［3］和孿生網(wǎng)絡(luò)架構(gòu)SiamFC［4］為代表。

2015年，Nam等提出一種CNN架構(gòu)的檢測(cè)跟蹤算法MDNet［3］，該算法采用淺層的VGG-M網(wǎng)絡(luò)［5］，直接利用多域?qū)W習(xí)的網(wǎng)絡(luò)結(jié)構(gòu)，將每一個(gè)視頻視為一個(gè)單獨(dú)的域，從多個(gè)標(biāo)注的視頻序列中預(yù)訓(xùn)練VGG-M網(wǎng)絡(luò)，學(xué)習(xí)目標(biāo)的共性特征表示能力，對(duì)前一幀目標(biāo)鄰域采樣樣本進(jìn)行分類，并引入目標(biāo)檢測(cè)領(lǐng)域中的邊界框回歸［6］對(duì)分類得分最高的樣本框修正。該算法速度為1fps，除了完全被遮擋時(shí)會(huì)有跟蹤失敗的情況，精度和魯棒性都很好。在跟蹤視頻數(shù)據(jù)集，例如VOT2014［7］和OTB2015［2］上訓(xùn)練CNN，取得了比傳統(tǒng)追蹤器更好的結(jié)果。

隨著深度強(qiáng)化學(xué)習(xí)在游戲、機(jī)器人、自然語(yǔ)言處理和智能駕駛等諸多領(lǐng)域更加廣泛的應(yīng)用推廣，目標(biāo)跟蹤領(lǐng)域也在近幾年開(kāi)始出現(xiàn)基于深度強(qiáng)化學(xué)習(xí)的目標(biāo)跟蹤方法。2017年，Yun等［8～9］提出順序性跟蹤動(dòng)作控制的目標(biāo)跟蹤算法ADNet，該方法參考MDNet使用VGG-M網(wǎng)絡(luò)，利用深度強(qiáng)化學(xué)習(xí)方法學(xué)習(xí)目標(biāo)框偏移動(dòng)作，從而多次迭代出最佳目標(biāo)框。與當(dāng)下使用深度網(wǎng)絡(luò)的跟蹤器相比，這是第一次嘗試通過(guò)追蹤深度強(qiáng)化學(xué)習(xí)訓(xùn)練出的動(dòng)作來(lái)控制跟蹤策略。2018年，Chen Boyu等［10］提出了基于“Actor-Critic”架構(gòu)的實(shí)時(shí)追蹤器ACT，Actor模型旨在一個(gè)連續(xù)動(dòng)作空間里推測(cè)最佳選擇動(dòng)作，讓跟蹤器直接在當(dāng)前幀把邊界框移動(dòng)到目標(biāo)位置；線下訓(xùn)練時(shí)，Critic模型輸出一個(gè)Q值來(lái)引導(dǎo)Actor和Critic深度網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程，在線跟蹤時(shí)，作者采用MDNet作為Critic驗(yàn)證模塊使得跟蹤器更加魯棒。ACT作為第一個(gè)使用連續(xù)動(dòng)作空間和Actor-Critic框架的目標(biāo)跟蹤算法，實(shí)時(shí)跟蹤算法的跟蹤速度達(dá)到了30fps。

MDNet系列算法關(guān)注學(xué)習(xí)目標(biāo)表觀特征，并需要在目標(biāo)外觀發(fā)生變化時(shí)更新模型，然而，SiamFC系列將目標(biāo)跟蹤問(wèn)題視為當(dāng)前幀的搜索區(qū)域與模板分支目標(biāo)相似性度量問(wèn)題。2016年，Luca等提出SiamFC［4］，利用在大規(guī)模目標(biāo)檢測(cè)視頻集ILS?VRC2015［11］上進(jìn)行端到端訓(xùn)練的全卷積孿生網(wǎng)絡(luò)在搜索區(qū)域計(jì)算模板目標(biāo)響應(yīng)最強(qiáng)烈的位置進(jìn)行定位，由于無(wú)需在線更新模型，該算法速度達(dá)到了58fps，對(duì)目標(biāo)跟蹤方法的發(fā)展產(chǎn)生了深遠(yuǎn)的影響。2017年，Jack等提出CFNet［12］，結(jié)合相關(guān)濾波器和SiamFC進(jìn)行端到端跟蹤，相關(guān)濾波的引入使得模型使用較淺層的神經(jīng)網(wǎng)絡(luò)就可以達(dá)到較好的效果。2018年，Li等提出了SiamRPN［13］算法，利用孿生子網(wǎng)絡(luò)對(duì)搜索區(qū)域和模板目標(biāo)進(jìn)行特征提取，借鑒目標(biāo)檢測(cè)領(lǐng)域的區(qū)域候選網(wǎng)絡(luò)RPN［14］，對(duì)目標(biāo)前景和背景進(jìn)行分類和邊界框回歸。由于可以預(yù)先計(jì)算模板分支子網(wǎng)絡(luò)提取第一幀目標(biāo)特征并生成網(wǎng)絡(luò)的相關(guān)卷積層進(jìn)行在線跟蹤，且RPN修正候選框可以避免傳統(tǒng)算法對(duì)目標(biāo)框的多尺度測(cè)試和在線微調(diào)過(guò)程，SiamRPN在保持高準(zhǔn)確率和成功率的同時(shí)，跟蹤速度達(dá)到了驚人的160fps。

搜索區(qū)域通常與上一幀的目標(biāo)框大小有關(guān)，常用的策略是2倍策略，如ACT［10］，即裁剪區(qū)域以目標(biāo)框的中心為裁剪中心，區(qū)域邊長(zhǎng)為目標(biāo)框邊長(zhǎng)的2倍。致力于長(zhǎng)期跟蹤的MBMD［15］算法為了保證更大的搜索區(qū)域可以找到目標(biāo)，采用了4倍策略，即區(qū)域邊長(zhǎng)為目標(biāo)框邊長(zhǎng)的4倍。SiamRPN模型其當(dāng)前幀的搜索區(qū)域基于上一幀目標(biāo)框的大小進(jìn)行裁剪并調(diào)整至模型輸入固定尺寸，裁剪公式如下：

其中，s為裁剪區(qū)域邊長(zhǎng)，w和h分別代表上一幀目標(biāo)框的寬和高，p是填充間距，p=(w+h)/2。裁剪區(qū)域近似于2倍策略大小。

由于SiamRPN模型搜索目標(biāo)區(qū)域面積較小，模型有丟失目標(biāo)的風(fēng)險(xiǎn)，為了提高跟蹤準(zhǔn)確率和成功率，本文提出了一種擴(kuò)大搜索區(qū)域的基于Ac?tor-Critic幀間預(yù)定位的改進(jìn)SiamRPN模型ACSia?mRPN。由于SiamRPN模型僅利用第一幀模板和當(dāng)前幀的相似性度量結(jié)果進(jìn)行目標(biāo)跟蹤，并未關(guān)注相鄰幀之間目標(biāo)的運(yùn)動(dòng)信息，ACSiamRPN融合前后幀的幀間目標(biāo)運(yùn)動(dòng)信息，擴(kuò)大搜索區(qū)域?yàn)?倍目標(biāo)邊長(zhǎng)，借鑒ACT算法利用Actor-Critic方法訓(xùn)練預(yù)定位網(wǎng)絡(luò)，在更大的搜索區(qū)域單步計(jì)算目標(biāo)位移，利用較大的搜索區(qū)域和預(yù)定位方法來(lái)改進(jìn)Sia?mRPN模型，本文的創(chuàng)新性如下：

1）提出了一種融合幀間目標(biāo)運(yùn)動(dòng)信息來(lái)進(jìn)行預(yù)定位的方法，實(shí)驗(yàn)證明該方法能有效地利用幀間目標(biāo)運(yùn)動(dòng)信息在更大的搜索范圍里對(duì)目標(biāo)進(jìn)行預(yù)定位。

2）提出了改進(jìn)的SiamRPN模型ACSiamRPN，結(jié)合幀間目標(biāo)運(yùn)動(dòng)信息來(lái)預(yù)定位目標(biāo)，后續(xù)Siam?RPN模型跟蹤目標(biāo)的準(zhǔn)確性和成功率有所提高。實(shí)驗(yàn)證明本文提出的改進(jìn)SiamRPN模型ACSiam?RPN的跟蹤準(zhǔn)確率和成功率均超越了SiamRPN，運(yùn)行速度達(dá)到65fps，仍然保持良好的實(shí)時(shí)性能，與當(dāng)今較為先進(jìn)的一些跟蹤方法相比具有明顯優(yōu)勢(shì)。

2 基于Actor-Critic幀間預(yù)定位方法

2.1 幀間預(yù)定位模型框架

為了保證更大的搜索區(qū)域可以找到目標(biāo)，本文參考長(zhǎng)期跟蹤的MBMD［15］算法，采用4倍策略。幀間預(yù)定位模型Actor-Critic架構(gòu)示意圖如圖1所示，a代表Actor，c代表Critic。

圖1 幀間預(yù)定位模型Actor-Critic架構(gòu)示意圖

采用VGG-M網(wǎng)絡(luò)作為Actor和Critic的主干網(wǎng)絡(luò)，其中Actor網(wǎng)絡(luò)用于決策一個(gè)連續(xù)的偏移動(dòng)作，可以直接將邊界框移動(dòng)到當(dāng)前幀中的目標(biāo)位置；Critic網(wǎng)絡(luò)輸出Q值用來(lái)引導(dǎo)Actor-Critic網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)過(guò)程。利用預(yù)訓(xùn)練好的VGG-M的前三層卷積層初始化Actor和Critic網(wǎng)絡(luò)，Actor網(wǎng)絡(luò)后兩層全連接層的輸出拼接后經(jīng)歷最后一層全連接層輸出一個(gè)三維的動(dòng)作向量，Critic網(wǎng)絡(luò)最后一層全連接層需要上一層拼接三維的動(dòng)作向量，從而獲得對(duì)當(dāng)前狀態(tài)的動(dòng)作評(píng)估Q值。在測(cè)試階段，僅保留Actor網(wǎng)絡(luò)作為預(yù)定位網(wǎng)絡(luò)使用。

2.2 強(qiáng)化學(xué)習(xí)問(wèn)題設(shè)定

本文將幀間目標(biāo)預(yù)定位問(wèn)題視為一個(gè)序列性決策問(wèn)題，服從馬爾科夫決策過(guò)程MDP。MDP的四個(gè)要素是：狀態(tài)s∈S，動(dòng)作a∈A，狀態(tài)轉(zhuǎn)移方程s′=f(s，a)，獎(jiǎng)賞函數(shù)r(s，a)。在本文的MDP框架中，幀間預(yù)定位跟蹤器通過(guò)一系列的觀測(cè)狀態(tài)（s1，s2，…，st）、動(dòng)作（a1，a2，…，at）以及獎(jiǎng)賞（r1，r2，……，rt）與環(huán)境進(jìn)行交互，在第t幀，智能體根據(jù)當(dāng)前狀態(tài)st給出連續(xù)性動(dòng)作at，獲得目標(biāo)預(yù)定位結(jié)果作為新?tīng)顟B(tài)s′t。本文將第t幀目標(biāo)框與前一幀目標(biāo)框的相對(duì)位移定義為動(dòng)作at，詳細(xì)的狀態(tài)s、動(dòng)作a、狀態(tài)轉(zhuǎn)移方程f(s，a)、獎(jiǎng)賞r的設(shè)置如下所示。

2.2.1 狀態(tài)

本文定義邊界框b=[x，y，w，h]包圍的圖像塊作為狀態(tài)s，其中(x，y)為邊界框中心坐標(biāo)，w，h分別為寬和高。定義預(yù)處理函數(shù)為在給定幀F(xiàn)中裁剪邊界框b相關(guān)區(qū)域并縮放成網(wǎng)絡(luò)所需固定尺寸的函數(shù)，預(yù)處理后的結(jié)果也即為當(dāng)前狀態(tài)s，見(jiàn)式（2）。

2.2.2 動(dòng)作和狀態(tài)轉(zhuǎn)移

本文定義動(dòng)作空間是連續(xù)的，動(dòng)作a=[Δx，Δy，Δs]為目標(biāo)從上一幀運(yùn)動(dòng)到當(dāng)前幀位置的相對(duì)運(yùn)動(dòng)，其中Δx，Δy分別為目標(biāo)中心點(diǎn)在水平和豎直方向上的相對(duì)位移，Δs為邊界框的尺度變化。依據(jù)跟蹤問(wèn)題的幀間差分連續(xù)性［10］，限制動(dòng)作a的范 圍 為：Δx∈[-1，1]，Δy∈[-1，1]，Δs∈[-0.05，0.05]。目標(biāo)框b經(jīng)過(guò)動(dòng)作a偏移后的目標(biāo)框b′=[x′，y′，w′，h′]，如式（3）所示。隨后，狀態(tài)轉(zhuǎn)移方程s′=f(s，a)即可依據(jù)偏移后的目標(biāo)框b′和預(yù)處理函數(shù)?(b′，F(xiàn))實(shí)現(xiàn)。

本文可依據(jù)當(dāng)前狀態(tài)s通過(guò)Actor網(wǎng)絡(luò)直接推斷獲得最優(yōu)動(dòng)作a，如式（4），其中，μ(.)代表參數(shù)為θμ的神經(jīng)網(wǎng)絡(luò)Actor，可通過(guò)ACT中的改進(jìn)DDPG［10］策略線下訓(xùn)練得到。

2.2.3 獎(jiǎng)賞

獎(jiǎng)賞函數(shù)r(s，a)表明了從狀態(tài)s采取動(dòng)作a變成新?tīng)顟B(tài)s′時(shí)預(yù)定位的準(zhǔn)確性，本文依據(jù)新邊界框b′和真實(shí)值G的交并比IoU來(lái)定義獎(jiǎng)賞函數(shù)，如式（5）所示，其中IoU的定義如式（6）所示。每次采取動(dòng)作都會(huì)產(chǎn)生相應(yīng)的獎(jiǎng)賞，隨后獎(jiǎng)賞會(huì)被用來(lái)訓(xùn)練更新神經(jīng)網(wǎng)絡(luò)。

3 改進(jìn)SiamRPN模型ACSiamRPN

3.1 模型結(jié)構(gòu)

ACSiamRPN模型框架融合前一幀和當(dāng)前幀目標(biāo)的幀間目標(biāo)運(yùn)動(dòng)信息，擴(kuò)大搜索區(qū)域?yàn)?倍目標(biāo)邊長(zhǎng)，借鑒ACT算法利用Actor-Critic方法訓(xùn)練預(yù)定位網(wǎng)絡(luò)，在更大的搜索區(qū)域單步計(jì)算目標(biāo)位移，校正SiamRPN模型搜索區(qū)域中心，隨后SiamRPN部分利用孿生網(wǎng)絡(luò)分支對(duì)模板和搜索區(qū)域提取特征，RPN在相關(guān)性特征圖上進(jìn)行候選框的分類和回歸，最終獲得當(dāng)前幀的目標(biāo)框。ACSiamRPN模型框架如圖2所示。

圖2 基于Actor-Critic幀間預(yù)定位的改進(jìn)SiamRPN模型ACSiamRPN示意圖

3.2 模型線下訓(xùn)練

3.2.1 訓(xùn)練Actor-Critic幀間預(yù)定位網(wǎng)絡(luò)方法

本文的Actor-Critic幀間預(yù)定位網(wǎng)絡(luò)依據(jù)ACT改進(jìn)的DDPG方法［10］來(lái)訓(xùn)練，即在正式采用傳統(tǒng)DPPG訓(xùn)練之前，利用第一幀的監(jiān)督信息來(lái)初始化幀間預(yù)定位網(wǎng)絡(luò)Actor網(wǎng)絡(luò)從而適應(yīng)當(dāng)前環(huán)境，針對(duì)Actor網(wǎng)絡(luò)采取L2損失函數(shù)優(yōu)化幀間預(yù)定位動(dòng)作決策，如式（7）所示。其中，M為訓(xùn)練樣本數(shù)，μ(.|θμ)代表參數(shù)為θμ的神經(jīng)網(wǎng)絡(luò)Actor，sm為第m個(gè)采樣狀態(tài)，am為相應(yīng)的真實(shí)標(biāo)簽動(dòng)作向量。

給定N對(duì)樣本(si，ai，ri，s′i)，Critic模型Q(s，a)可以依據(jù)Q-learning中的貝爾曼方程來(lái)學(xué)習(xí)，借助Actor目標(biāo)網(wǎng)絡(luò)μ′和Critic目標(biāo)網(wǎng)絡(luò)Q′，最小化累積差分誤差（即損失函數(shù)），如式（8）所示。

隨后，利用微分鏈?zhǔn)椒▌t針對(duì)累積期望獎(jiǎng)賞J對(duì)Actor模型參數(shù)求導(dǎo)，如式（9）所示，即可優(yōu)化更新Actor模型參數(shù)。

線下訓(xùn)練幀間預(yù)定位網(wǎng)絡(luò)時(shí)，從ImagetNet視頻［11］訓(xùn)練集中選取768個(gè)視頻序列，每次迭代時(shí)隨機(jī)從一段視頻里面選取20～40幀圖像，利用第一張圖像初始化幀間預(yù)定位網(wǎng)絡(luò)Actor時(shí)，選取32個(gè)與目標(biāo)框真實(shí)值的IoU大于0.7的正樣本，這些正樣本服從以目標(biāo)框真實(shí)值為中心的正態(tài)分布，協(xié)方差為對(duì)角矩陣diag(0.09d2，0.09d2，0.25)，其中d為跟蹤目標(biāo)框?qū)捄透叩木?。隨后，應(yīng)用Actor網(wǎng)絡(luò)和Critic網(wǎng)絡(luò)在第t幀獲得訓(xùn)練數(shù)據(jù)樣本對(duì)(st，at，rt，s′t)。初始化階段的學(xué)習(xí)率設(shè)置為1e-4，學(xué)習(xí)階段Actor網(wǎng)絡(luò)和Critic網(wǎng)絡(luò)的學(xué)習(xí)率分別設(shè)置為1e-6和1e-5，此外使用一個(gè)104大小的記憶回放緩存。整體訓(xùn)練迭代次數(shù)為240000次。

此外，在傳統(tǒng)的DDPG算法基礎(chǔ)上采用一定概率為ε的專家決策（即真實(shí)動(dòng)作值）取代Actor網(wǎng)絡(luò)的結(jié)果來(lái)引導(dǎo)訓(xùn)練學(xué)習(xí)過(guò)程，概率ε初始值設(shè)置為0.5，每迭代10000次減少5%，與此同時(shí)更新Actor目標(biāo)網(wǎng)絡(luò)μ′和Critic目標(biāo)網(wǎng)絡(luò)Q′的網(wǎng)絡(luò)參數(shù)θμ′和θQ′，如式（10）所示，其中參數(shù)τ設(shè)置為0.001。

3.2.2 訓(xùn)練SiamRPN模型方法

本文的SiamRPN模型訓(xùn)練方法參考原文［13］。訓(xùn)練數(shù)據(jù)來(lái)源于ILSVRC2015大規(guī)模視頻圖像數(shù)據(jù)集［11］，選取同一個(gè)視頻序列的第一幀和隨機(jī)間隔幀組成一個(gè)數(shù)據(jù)對(duì)。RPN的回歸分支損失函數(shù)Lreg針對(duì)回歸的歸一化坐標(biāo)，定義錨框的中心點(diǎn)坐標(biāo)和尺寸為：Ax，Ay，Aw，Ah，定義對(duì)應(yīng)的目標(biāo)框真實(shí)值為：Tx，Ty，Tw，Th，歸一化距離如式（11）所示；Lreg參考Faster R-CNN［14］采用smoothL1損失，Lreg見(jiàn)式（12）。

分類分支的損失函數(shù)Lcls為交叉熵?fù)p失函數(shù)，聯(lián)合訓(xùn)練兩個(gè)分支的總體損失函數(shù)loss見(jiàn)式（13），其中λ為平衡兩個(gè)分支的超參數(shù)。

4 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文提出的基于Actor-Critic幀間預(yù)定位的改進(jìn)SiamRPN模型的效果，實(shí)驗(yàn)環(huán)境為Ubuntu 16.04系統(tǒng)，采用TITAN Xp 12GB顯卡加速訓(xùn)練和測(cè)試，其中Actor-Critic幀間預(yù)定位模型訓(xùn)練采用TensorFlow框架訓(xùn)練，SiamRPN模型和AC?SiamRPN模型均采用Pytorch框架訓(xùn)練和測(cè)試。實(shí)驗(yàn)所用的訓(xùn)練數(shù)據(jù)集為ILSVRC2015大規(guī)模視頻圖 像 數(shù) 據(jù) 集［11］，測(cè) 試 數(shù) 據(jù) 集 為OTB2013［16］、OTB2015［2］、DTB70［17］、NFS30［18］以及VOT2016［19］。

4.1 評(píng)價(jià)指標(biāo)

4.1.1 常用指標(biāo)

大多數(shù)目標(biāo)跟蹤數(shù)據(jù)集，如OTB2013、OTB2015、DTB70和NFS30，主要采用精確率（Preci?sion Rate，簡(jiǎn)稱P）和成功率（Success Rate，S）來(lái)評(píng)價(jià)跟蹤器的效果，利用幀率（Frames Per Second，fps）來(lái)衡量跟蹤算法的實(shí)時(shí)性能。

4.1.2 VOT2016指標(biāo)

本文采用的VOT2016主要采用準(zhǔn)確率（Accu?racy，A）和魯棒性（Robustness，R）來(lái)評(píng)價(jià)跟蹤器的效果，利用幀率fps來(lái)衡量跟蹤算法的實(shí)時(shí)性能。

4.2 實(shí)驗(yàn)結(jié)果與分析

在OTB2013和OTB2015數(shù)據(jù)集上，本文選取了SiamRPN［13］、ACT［10］、ECO-HC［20］、SiamFC-Tri［4］、SiamFc_3s［4］、CFNet［12］等較為先進(jìn)的跟蹤算法和本文提出的ACSiamRPN作對(duì)比試驗(yàn)，準(zhǔn)確性圖和成功率圖如圖3所示，圖例所示的數(shù)值為曲線所對(duì)應(yīng)的AUC（Area under curve）值，反映了跟蹤器在數(shù)據(jù)集上的平均精確率和平均成功率，其中主要采用平均成功率來(lái)對(duì)跟蹤器進(jìn)行排名。因此可見(jiàn)：1）AC?SiamRPN在OTB2013和OTB2015上的平均精確率和平均成功率均超越了SiamRPN。2）ACSiamRPN在OTB2013上以0.657的平均成功率超越了所有的對(duì)比對(duì)象，在OTB2015上以0.642的平均成功率超越了幾乎所有對(duì)比對(duì)象，僅次于ECO-HC。

圖3 OTB2013和OTB2015數(shù)據(jù)集ACSiamRPN對(duì)比試驗(yàn)圖

在DTB70、NFS30和VOT2016數(shù)據(jù)集上，本文主要選取SiamRPN算法做對(duì)比實(shí)驗(yàn)，從而比較AC?SiamRPN作為改進(jìn)SiamRPN模型與原始SiamRPN模型的跟蹤效果，如表1所示。在DTB70和NFS30上，ACSiamRPN的精確率和成功率均高于Siam?RPN，在VOT2016上，ACSiamRPN的準(zhǔn)確率超越了SiamRPN，但是魯棒性稍遜于SiamRPN。

表1 ACSiamRPN和SiamRPN在DTB70、NFS30、VOT2016上的實(shí)驗(yàn)結(jié)果

由OTB2013、OTB2015、DTB70、NFS30以 及VOT2016數(shù)據(jù)集上的對(duì)比實(shí)驗(yàn)結(jié)果可知，本文提出的ACSiamRPN模型作為SiamRPN的改進(jìn)模型，對(duì)于SiamRPN跟蹤效果的提升較為明顯，從精確性到成功率均取得了良好的改進(jìn)結(jié)果，與此同時(shí)，和其他當(dāng)今較為先進(jìn)的跟蹤模型相比，ACSiamRPN模型依然具有明顯的優(yōu)勢(shì)。

在實(shí)時(shí)性能方面，SiamRPN由于是端到端的一步跟蹤，在OTB2013數(shù)據(jù)集上達(dá)到了100fps的速度，ACSiamRPN由于采用更大的搜索區(qū)域且增加了幀間預(yù)定位模型來(lái)校正SiamRPN搜索區(qū)域的中心，這種兩步跟蹤的方法降低了SiamRPN原有的跟蹤速度，但是由于幀間預(yù)定位模型采用了輕量級(jí)網(wǎng)絡(luò)VGG-M，在OTB2013上的跟蹤速度依然可以達(dá)到65fps，在提高模型跟蹤效果的同時(shí)依然保持了較好的實(shí)時(shí)性能。

5 結(jié)語(yǔ)

本文提出了一種基于Actor-Critic幀間預(yù)定位的改進(jìn)SiamRPN模型ACSiamRPN。該方法融合前后幀的幀間目標(biāo)運(yùn)動(dòng)信息，擴(kuò)大搜索區(qū)域?yàn)?倍目標(biāo)邊長(zhǎng)，利用Actor-Critic方法訓(xùn)練預(yù)定位網(wǎng)絡(luò)，在更大的搜索區(qū)域單步計(jì)算目標(biāo)位移，從而校正Sia?mRPN模型搜索區(qū)域中心。實(shí)驗(yàn)證明該方法能有效地利用幀間目標(biāo)運(yùn)動(dòng)信息在更大的搜索范圍里對(duì)目標(biāo)進(jìn)行預(yù)定位，并且可以改進(jìn)和提升原始Sia?mRPN模型的準(zhǔn)確性和成功率，與此同時(shí)運(yùn)行速度達(dá)到65fps，仍然保持良好的實(shí)時(shí)性能，與當(dāng)今較為先進(jìn)的一些跟蹤方法相比具有明顯優(yōu)勢(shì)。