基于孪生网络特征融合与阈值更新的跟踪算法

摘要：

针对常见的视频目标跟踪过程中由于背景相似干扰、遮挡和形变等一系列问题导致跟踪精度下降的问题,该文提出一种基于孪生网络特征融合与阈值更新的跟踪算法,并引入加权平均模块.该算法采用MobileNetV2作为特征提取网络,借助深度可分离卷积运算,减少模型的参数量,并由深至浅进行多层特征融合,使特征同时具备浅层与深层的信息;模板分支的特征送入注意力机制模块,提高对目标关键特征的关注度;将融合并通过注意力机制后的特征向量的互相关结果与原始提取的特征向量的互相关结果再进行加权平均获得响应图;响应最高位置的相似度与设定阈值比较,判断是否进行模板更新,进一步提高跟踪精度.实验结果表明,该算法在OTB100数据集上能够获得较好的跟踪效果,与现有的一些算法相比展现了更强的鲁棒性.

关键词：MobileNetV2、特征融合、注意力、加权平均、阈值更新

所属期刊栏目：32

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;中央高校基本科研业务费资助项目

在线出版日期：2022-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：65-70