基于区域提案孪生网络的优化目标跟踪算法

秦晓飞，张一鹏，陈浩胜，李 夏，何致远

（1.上海理工大学 光电信息与计算机工程学院，上海 200093；2.上海理工大学 机械工程学院，上海 200093）

引 言

目标跟踪是计算机视觉中的一个重要分支，在人机交互、自动驾驶等领域都有着广泛的应用。目标跟踪的一般要求是仅仅根据第一帧中给出的边界框，就能准确地估计目标在后续帧中的位置和尺度。由照明、变形、遮挡、旋转和运动模糊引起的外观差异都是很大的挑战，而且跟踪速度在实际应用中也是必须考虑的一个方面。通常，实时跟踪的帧率至少为25 帧/s。

近几年，目标跟踪技术迅速发展，涌现出了大批优秀的跟踪算法。在普通的卷积神经网络中，卷积核或者池化核是正方形的，这对于长宽比比较接近的目标进行采样时，可以取得较好的效果。然而，当物体的长宽比比较悬殊的时候，网络往往显得比较乏力，特别是在骨干网络中，这样的操作直接影响了后续的信息处理。本文通过引入条形池化模块[1]来增加网络对于细长物体的采样能力，同时，由于是轻量级模块，计算量和参数量的增加微乎其微。

区域提案孪生网络[2]的分类分支作用是将目标的前景区域和背景区域分开，从而获取跟踪物的位置信息，给边界框回归提供参考，从而得到高质量的预测框。所以分类分支的分类性能，直接影响了整个跟踪器的跟踪效果，若能抑制干扰信息，就可得到一个更加具有判别力的分类器。通道注意力模块[3-7]的作用是根据神经网络的不同输入对不同部分适应性地分配权重。……