基于距离交并比回归的孪生网络目标跟踪算法

作者：黄智慧; 赵慧民; 詹瑾^*; 利华康; 郑鹏根; 郑伟俊; 李伟键; 黄科乔

来源：扬州大学学报(自然科学版), 2021, 24(03): 48-54.

DOI：10.19411/j.1007-824x.2021.03.009

• 目标跟踪
• 距离交并比
• 孪生网络
• 深度学习

为解决视频目标跟踪过程中目标框和预测框边界不重叠情况下无法优化的问题,提出了一种距离交并比(distance intersection over union, DIOU)回归的孪生网络目标跟踪算法.通过孪生网络和区域建议网络(region proposal network, RPN)保持实时效果,将距离交并比引入回归分支,结合重叠率和中心点距离构建损失度量,加快模型训练的收敛速度,为边界框提供更直接的回归方向.同时,使用Resnet50网络替换SiamRPN网络的特征提取网络,进一步提高目标特征表示的准确性.实验结果表明,DIOU回归损失在视频目标尺度变化、低分辨率、光照变化等干扰情况下,具有较强鲁棒性.

• 单位
  广东技术师范大学; 中山大学