科研之友
微信
新浪微博
Facebook
分享链接
摘要
与可见光相比，红外光在部分复杂环境下仍能保持追踪目标的图像捕捉能力。因此，红外光图像可帮助计算机视觉跟踪算法提高目标跟踪的精度和鲁棒性。但在真实的目标追踪序列场景中，跟踪画面还存在眩光、形变和镜头抖动等干扰。为抵御此类干扰，提出了一种使用多尺度选择注意力的红外可见光融合目标跟踪算法(Selective Kernel Attention Fusion Tracking Network, SKANet)。该算法利用多尺度卷积核以及通道选择注意力，提取不同尺度大小的目标特征并将模型权重聚焦于质量较高的特征图、降低干扰带来的不利影响，从而提高模型的跟踪性能。通过在RGBT234和GTOT数据集上的验证结果表明，该算法可有效抵抗画面中干扰情况带来的不利影响，实现高精度的目标追踪。
- 单位
