摘要
视觉目标跟踪通常通过独立地结合快速处理算法、高精度在线自适应方法以及多跟踪器融合策略来解决。本文提出了一种新颖的跟踪方法，将上述目标统一起来，该方法能够利用其他视觉跟踪器的离线与在线信息。通过知识蒸馏与强化学习的结合，训练出一个紧凑的学生模型：前者实现对其他跟踪器跟踪知识的迁移与压缩，后者则使模型能够学习并掌握可用于在线评估的度量指标。经过训练后，该学生模型可最终用于构建三类跟踪器：（i）一种极快的单次检测跟踪器；（ii）具备简单而高效在线自适应机制的跟踪器；（iii）能够融合其他跟踪器优势的集成式跟踪器。大量实验验证表明，所提出的算法在性能上可与当前实时状态最先进（SOTA）的跟踪器相媲美。