科研之友
微信
新浪微博
Facebook
分享链接
摘要
以基于全卷积孪生网络的目标跟踪（SiamFC, fully-convolutional siamese networks for object tracking）算法为代表的部分深度孪生网络目标跟踪算法均是针对目标外观信息进行设计的，易受高速移动、运动模糊、光照变化等因素的影响，造成跟踪目标漂移或丢失。为了提高算法对目标外观变化的适应能力，给出一种基于动态权重的双分支孪生网络目标跟踪算法，以替换特征提取网络后的SiamFC算法作为外观分支，在此基础上增加利用双重注意力强化信息提取的语义分支作为外观分支的有效补充。跟踪阶段利用动态权重系数结合两分支的跟踪结果，有效抑制了目标外观变化对跟踪算法的影响，提升了算法的跟踪精度和鲁棒性。在4个标准目标跟踪数据集OTB2015、UAV20L、UAV123和GOT-10k上验证了本文算法的有效性，平均跟踪帧率为47帧/s，满足跟踪实时性要求。
-
单位自动化学院; 中国民航大学
