改进的Siamese自适应网络和多特征融合跟踪算法

摘要：

针对当前目标跟踪领域中跟踪精确度和跟踪速度难以平衡的问题,例如基于相关滤波实现的跟踪器能够以很高的速度运行,但跟踪准确性极低;基于深度学习实现的跟踪器能够实现较高的跟踪准确性,但跟踪速度较低.在此基础上,提出一种改进的Siamese自适应网络和多特征融合目标跟踪算法.首先在Siamese网络每个分支上同时构建AlexNet网络和改进的ResNet网络,用于特征提取.其次通过端到端的方式同时进行训练,将跟踪问题分解为分类每个位置标签和回归边界框子问题.最后对浅层特征和深层特征进行自适应选择,并基于多特征融合进行目标识别和定位.将提出的算法与现有的一些跟踪器在目标跟踪标准数据集上进行测试.实验结果表明,提出的算法能够在确保跟踪速度的同时实现较高的跟踪精确度和成功率.同时,在光照变化、形变、背景杂波等复杂情况下,算法具有较强的鲁棒性.

关键词：目标跟踪、Siamese网络、特征融合、尺度自适应、ResNet网络

所属期刊栏目：16

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;甘肃省重点研发计划

在线出版日期：2022-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2587-2595