科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对实际场景中跟踪目标的快速移动、光照变化和尺度变换等问题，提出一种基于动态特征注意模型（DFA）的三分支网络目标跟踪算法，包括：以SiamRPN++跟踪框架为基础，设计具有动态模板分支的在线更新三分支网络，以强化网络提取特征的语义信息，提高模板特征与搜索目标的匹配相似性；设计面向三分支网络训练的样本生成方法，以改变负样本分配方式，提升正、负样本训练的平衡性；设计一种DFA，通过等效自注意和互注意操作增强模板的历史动态特征，实现模板特征的自适应细化，同时利用通道注意力得分控制搜索特征图的权重分配，提高得分图对目标的响应。相对SiamRPN++、SiamBAN等对比算法，所提算法在包含运动模糊、明暗变化和相似背景干扰等场景的OTB100、VOT2018数据集上，获得了最高成功率（71.0%）和最优鲁棒性（0.122），同时可满足实时目标跟踪的要求。
- 单位
