结合双注意力与特征融合的孪生网络目标跟踪

摘要：

基于孪生网络视觉跟踪的进化和深层网络目标跟踪算法在目标被遮挡和外观形变时的跟踪成功率不高,鲁棒性不强,对此,提出了一种结合双注意力与特征融合的孪生网络目标跟踪算法.首先,采用通道和空间注意力模块增强目标信息,抑制图像中的干扰信息,提高模型的准确度;然后,对注意力层输出的浅层和深层特征信息进行多层特征融合,得到表现力更好的目标特征,提高跟踪成功率;最后,引入在线模板更新机制,减少了跟踪漂移,提高了跟踪鲁棒性.使用OTB100测试集进行实验,实验结果表明,改进后算法的跟踪成功率比改进前算法的跟踪成功率提高了1.3％;在具有遮挡和形变属性的4个测试序列下,改进后算法的平均重叠率提高了3％,中心位置的平均误差降低了0.37个像素点,针对遮挡和外观形变时的鲁棒性更好.

关键词：目标跟踪、孪生网络、双注意力模块、特征融合、在线模板更新

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省重点研发计划项目;西安工业大学校长基金面上培育项目

在线出版日期：2022-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：116-122