计算机科学与探索

作者：陈泷, 石磊, 黎智辉, 丁锰, 潘亦伦

单位：1. 中国人民公安大学 侦查学院，北京 1000382. 中国传媒大学 媒体融合与传播国家重点实验室，北京 1000243. 公安部鉴定中心，北京 1000384. 中国人民公安大学 公共安全行为科学实验室，北京 100038

关键词：无人机,单目标跟踪,深度学习,Siamese网络,Transformer

基金：中央高校基本科研业务费专项资金（2023JKF01ZK05）。

基于深度学习的无人机（UAV）单目标跟踪算法旨在从航拍视频序列中准确跟踪指定目标，已成为计算机视觉领域的研究热点。与传统地面视觉跟踪相比，无人机单目标跟踪面临着视角变化剧烈、目标尺度复杂多变、计算资源受限等独特挑战。基于网络架构特点，将基于深度学习的无人机单目标跟踪方法系统梳理为传统Siamese网络、CNN-Transformer混合架构和全Transformer三大技术路线，重点关注2022—2025年间的最新研究进展。创新性地提出了两个细化分类框架：针对CNN-Transformer混合架构提出模块替代、特征后融合和协同建模三分类；针对Transformer单流方法提出静态计算、混合机制和动态计算三分类。系统揭示了无人机单目标跟踪算法从追求性能最大化向性能与效率协同优化的演进趋势。通过在UAV123、DTB70、UAVDT、VisDrone2018等主流数据集上的性能对比分析，验证了不同技术路线的优势与局限性。识别当前技术面临的关键挑战并提出未来发展方向和工程部署指导。

来源：2026年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第1期