基于孪生网络多级注意特征融合目标跟踪算法

陈志浩，杨小军

(长安大学 信息工程学院，陕西 西安 710001)

0 引 言

视觉目标跟踪是计算机视觉的重要研究内容之一，在图像识别、人工智能、无人驾驶等领域都有着广泛的应用[1]。即使现阶段已经存在很多的目标跟踪模型和算法，但要解决尺度剧烈变化、部分或者全部遮挡、较大形变等挑战性因素，视觉目标跟踪算法的科学研究还有很长的路要走[2]，所以，设计一种精度高且在复杂场景下鲁棒性好的目标跟踪算法有着重要的意义和价值[3]。目前视觉目标跟踪算法主要分为相关滤波类算法和深度学习类算法。在相关滤波类算法中，KCF[4]利用傅里叶变换的性质和循环矩阵的优势，很大程度上减少了计算量，提高了计算速度。深度学习类算法中又可以分为结合深度特征的相关滤波类方法和基于孪生网络的目标跟踪算法[5]。相关滤波结合深度特征是把手工设计的特征换成深度特征，提高了算法的准确度，卷积层输出的深层特征比HOG浅层更具有判别力。吴刚[6]提出了相关滤波跟踪器和DCNN深度特征结合的算法。从MOSSE[7]之后，一些相关滤波类跟踪算法为了得到更好的跟踪效果，使用了越来越高维度的特征，导致这些算法在GPU上也难以达到实时的跟踪效果。Bertinett提出了基于匹配相似度的全卷积孪生网络目标跟踪算法SiamFC[8]，SiamFC通过学习一个搜索帧图像和模板帧图像的相似度函数比较相似度来得到跟踪结果。CFNet[9]将相关滤波器作为一个网络层内嵌到孪生网络中，提高对深度特征的学习能力。……