基于特征优选模型的Siamese网络目标跟踪算法

摘要：

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59.5frame/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44.3frame/s,证明了该算法的有效性

关键词：机器视觉、深度学习、目标跟踪、Siamese网络、特征优选、特征融合

所属期刊栏目：59

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-08-01（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：254-263