摘要：全卷積孿生網絡通過相似性學習解決目標跟蹤問題,其算法受到了越來越多的關注.為了提取更有判別力的目標特征,提升跟蹤的精確度和魯棒性,提出了一種結合注意力機制與特征融合的目標跟蹤模型.首先,將第一幀和當前幀的前一幀結合作為目標模板,利用共享的特征提取網絡提取目標模板和當前幀的多個卷積層的特征;然后,對于目標模板的多層卷積特征,結合通道注意力機制處理,提升模板特征的判別力;最后,目標模板的特征與當前幀的特征進行互相關計算,得到響應圖,從而獲取預測目標在當前幀中的位置和尺度.最終實驗結果表明,與幾個先進的跟蹤模型相比,提出的目標跟蹤模型獲得了比較有競爭力的性能.