基于特征优选模型的Siamese网络目标跟踪算法

作者：武永强; 张宝华^*; 吕晓琪; 谷宇; 王月明; 刘新; 任彦; 李建军; 张明

来源：激光与光电子学进展, 2022, 59(12): 264-273.

• 机器视觉
• 深度学习
• 目标跟踪
• Siamese网络
• 特征优选
• 特征融合

针对目标跟踪序列背景复杂、目标大尺度变化等导致目标辨识难度大的问题，提出了基于特征优选模型的Siamese网络目标跟踪算法。首先构建深度网络，有效地提取深度语义信息。再利用沙漏网络对多尺度下的特征图进行全局特征编码，将编码后的特征归一化处理，获取有效目标特征。最后构建特征优选模型，将解码获取的特征作为选择器甄别原特征图的有效特征并增强。为了进一步提高模型的泛化能力，引入注意力机制，对目标特征自适应加权，使其适应场景变化。最终提出算法在OTB100标准跟踪数据集测试成功率达到0.648，预测精度达到0.853，实时性为59.5 frame/s；在VOT2018标准跟踪数据集测试精度为0.536，期望平均覆盖率为0.192，实时性为44.3 frame/s，证明了该算法的有效性

• 单位
  内蒙古科技大学; 内蒙古工业大学