基于无锚框的孪生网络目标跟踪改进算法

摘要：

视觉目标跟踪在车辆、人机交互以及监控等领域应用广泛,虽然近年来取得了很大的进展,但是在跟踪过程中,仍然存在许多的干扰因素.针对跟踪过程存在目标尺度和长宽的比例会随着目标或跟踪设备的变化而变化以及背景干扰的问题,设计了一种基于无锚框的孪生神经网络的跟踪方法.首先,改进了特征提取网络,提高了跟踪的准确性.其次,增加了非局部感知网络,能够更好地利用模板和搜索分支更深度的特征.对于分类来说,增加了选择分支,用于抑制较低的得分,选择更高更准确的得分,从而能够进行更好的回归预测.其采样策略也不同于之前的网络,并对损失部分进行了优化.在对网络进行整体的训练及实验之后,该算法能够很好地跟踪目标,提高了跟踪的成功率和精确度.

关键词：目标跟踪、特征提取、孪生神经网络、精度

所属期刊栏目：33

分类号：TP391.41;TN95;TP183

资助基金：河北省中央引导地方科技发展专项;河北省科学技术研究与发展计划科技支撑资助项目

在线出版日期：2023-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：610-619