融合时空特性的孪生网络视觉跟踪

摘要：

针对现有跟踪算法处理快速运动和相似目标干扰挑战时精度欠佳的问题,提出一种基于时空注意力机制的孪生网络跟踪算法.设计时间注意力模块,利用视频初始帧作为参考,依照多幅历史参考帧的贡献程度,自适应地为其赋予权重并进行融合,构建时效性较强的多帧融合模板;结合空间注意力模块,通过非局部操作增强算法对跟踪图像的整体感知能力,进而提升算法的判别能力;在网络训练阶段,利用Focal Loss函数训练网络,以平衡正负样本的比例,提高算法判别困难样本的能力.仿真实验采用标准数据集OTB2015和VOT2016测试算法性能,并与近年来的12种优秀算法即ECO算法、DSST算法、HDT算法、CFNet算法、KCF算法、SRDCF算法、SiamFC算法、DCFNet算法、MEEM算法、SiamVGG算法、BACF算法、ANT算法进行对比.结果表明,融合时空特性的孪生网络跟踪算法可以很好地应对快速运动和相似目标干扰挑战,并有效提升基准算法的性能.

关键词：目标跟踪;孪生网络;时间注意力;空间注意力

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金项目61702051、61602058

在线出版日期：2021-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1940-1950