基于特征优选模型的Siamese网络目标跟踪算法
基于特征优选模型的Siamese网络目标跟踪算法
复制标题
DOI：
10.3788/lop202259.1215003
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
张明
中科院分区：
文献类型：
--
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
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。