引入短时记忆的Siamese网络目标跟踪算法

摘要：

为提升目标跟踪算法在复杂场景下的鲁棒性,使算法适应长时跟踪场景,提出结合多层特征融合和短时记忆机制的跟踪方法,提升目标跟踪的鲁棒性.融合卷积神经网络多层特征,提升网络的特征提取能力.在跟踪阶段,引入了短时记忆模块,搜索区域特征分别与初始的基准模板特征和短时记忆的动态特征进行匹配,对得到的响应图进行融合,提升目标跟踪的鲁棒性,通过视频局部信息增强算法对跟踪目标的判别性.在OTB2015和GOT-10K目标跟踪标准数据集上进行了实验,在OTB2015上的精确度和成功率分别达到了0.808和0.593.实验结果表明,所提算法的测试效果与几种主流跟踪算法相比有了显著的提升,并且达到了27帧/s的实时跟踪速度,证明了所提方法的有效性.

关键词：孪生网络;长时跟踪;特征融合;模板更新

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：全国教育科学十三五规划课题;武警工程大学基础研究基金;武警工程大学军民融合基金;武警工程大学科研骨干项目

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：235-241