引言
视觉目标跟踪是计算机视觉的核心任务，专注于给定目标在第一帧中的初始外观，预测其在后续帧中的位置和运动路径（Jia et al., 2026a, Jia et al., 2026b, Liu et al., 2024）。它在视频监控（Abbas and Jalal, 2024）、交通管理（Almukhalfi et al., 2024）、人机交互（Fronteddu et al., 2022）和虚拟现实（Picano and Fantacci, 2022）中具有广泛的应用。由于其实际价值，视觉跟踪仍然是一个高度活跃的研究领域（Jia et al., 2026c, Jia et al., 2025）。
跟踪任务可大致分为短期和长期场景。短期数据集通常包含少于 2000 帧（Huang et al., 2019），而长期数据集往往超过这个长度，甚至可能达到数万帧（Fan et al., 2019, Kristan et al., 2020）。在长期跟踪中，目标频繁离开并重进入相机的视野，这使得传统的短期跟踪器难以维持连续跟踪。为了克服这一限制，最近的研究通常将短期跟踪器与专门的重检测模块集成在一起（Zhao et al., 2022, Dai et al., 2020）。尽管如此，现有的重检测方法在准确性、鲁棒性和效率方面仍然面临关键限制。
早期的重检测方法通常使用手工设计的特征，例如 TLD（Kalal et al., 2011）、CMT（Nebehay and Pflugfelder, 2015）和 MUSTER（Hong et al., 2015），它们在目标丢失时将局部跟踪与全局搜索相结合。虽然在简单场景中有效，但这些方法缺乏对复杂和杂乱环境的泛化能力。更多基于深度学习的策略，包括 SiamFC+R（Valmadre et al., 2018）、DaSiamRPN_LT（Zhu et al., 2018）、MBMD（Zhang et al., 2018）、SPLT（Yan et al., 2019）和 ELGLT（Zhao et al., 2022），改善了长期目标恢复和鲁棒性，但往往导致高计算成本、低速度或对背景干扰的敏感性。代表性的基于区域提议的框架，如 GlobalTrack（Huang et al., 2020）和 SiamRCNN（Voigtlaender et al., 2020），使用全局搜索实现了准确的重检测，但要么缺乏分层特征集成，要么对于实时应用来说太慢。
重检测的最新进展：Hou 等人（2023）提出了一种基于孪生网络的全局重检测方法，在挑战性条件下提高了目标定位。Zhang 等人（2025）引入了一种动态度量记忆网络，结合时空区域提议机制，以捕获长期目标恢复的时间依赖性。一个实例感知全局重检测框架（Hou et al., 2025）通过采用无锚点特征调制和动态样本选择，进一步增强了实例级判别力。此外，Zhu 等人（2025）设计了一种局部 - 全局重检测框架，以抑制杂乱环境中相似物体的干扰。尽管取得了最新进展，当前的长期跟踪方法仍然面临几个限制：它们往往未能有效集成多尺度特征，难以抑制背景干扰和遮挡，并且缺乏在长期消失后进行准确重检测的鲁棒机制。
为了克服这些挑战，我们提出了一种渐进式全局重检测框架，相对于现有的“盲目搜索”重检测机制实现了明确的方法学进展。而不是简单地堆叠现有技术，我们的框架精心构建了一个协同流水线，专门针对长期跟踪的独特瓶颈：极端尺度变化、严重背景干扰和目标退化。该流水线由三个紧密耦合的模块组成。首先，分层特征融合模块（HFFM）提供了一个鲁棒的多尺度基础，以处理以 vastly different scales 重新出现的目标。为了防止深层背景噪声污染该融合过程，语义引导级联感知模块（SGCPM）专门嵌入在最深语义层，以在自上而下传播之前净化上下文线索。最后，为了将目标与视觉上相似的干扰物区分开来，目标引导感知模块（TGPM）将范式从粗略全局匹配转移到细粒度对齐。它利用原始模板作为显式、动态引导信号，对候选区域进行多维（水平、垂直和通道）加权。共同地，这种特定组合形成了一个统一的“多尺度、噪声抑制和模板引导”感知网络，它可以无缝集成到现有短期跟踪器中，以实现鲁棒且高效的长期跟踪。
本工作的主要贡献总结如下：
- •
我们提出了一种基于分层特征融合和目标引导感知的重检测框架，能够实现全局目标搜索，同时减轻与局部搜索策略相关的累积误差。
- •
我们通过紧密集成三个关键模块引入了协同方法学进展：HFFM 建立多尺度鲁棒性；SGCPM 净化深层语义特征以抑制背景杂乱；TGPM 利用显式模板引导进行细粒度多维对齐，有效克服了由长期消失和相似干扰物引起的跟踪失败。
- •
重检测模块旨在与多个代表性短期跟踪器协同工作，形成有效的长期跟踪框架。在 UAV20L、LaSOT、VOT2018-LT 和 VOT2020-LT 上的评估结果显示了显著的性能提升。值得注意的是，在 UAV20L 上，配备该模块的 TransT 成功率提高了 6.5%，精度提高了 4.8%。
