控制与决策

作者：陈志旺,孙泽兵,吕昌昊,曹索航,彭勇

单位：燕山大学 智能控制系统与智能装备教育部工程研究中心,河北 秦皇岛 066004;燕山大学 工业计算机控hspace{13pt}制工程河北省重点实验室,河北 秦皇岛 066004,,燕山大学 智能控制系统与智能装备教育部工程研究中心,河北 秦皇岛 066004;燕山大学 工业计算机控hspace{13pt}制工程河北省重点实验室,河北 秦皇岛 066004,,燕山大学 电力电子节能与传动控制河北省重点实验室,hspace{13pt}河北 秦皇岛 066004,,燕山大学 智能控制系统与智能装备教育部工程研究中心,河北 秦皇岛 066004;燕山大学 工业计算机控hspace{13pt}制工程河北省重点实验室,河北 秦皇岛 066004,,燕山大学 电气工程学院,河北 秦皇岛 066004,

关键词：目标跟踪;孪生网路;外观特征;信息熵

基金：国家自然科学基金项目(61573305)；河北省自然科学基金项目(F2022203038,F2019203511).

目标跟踪通常只能使用视频第1帧的外观信息,在线学习目标的外观特征,并预测后续帧中该目标的位置和大小.然而,跟踪过程中目标外观时刻变化,仅通过第1帧并不能准确描述后续目标的外观.针对上述问题,提出一种基于并行多外观特征的孪生网络目标跟踪算法.首先,引入包含目标近期外观信息的动态模板帧,同时提出3种方法:多外观特征、并行外观特征、并行多外观特征,利用动态模板帧进行目标跟踪.与简单地使用动态模板帧替换初始模板帧不同,所提出的方法可解决由动态模板帧中目标容易漂移导致的跟踪算法性能下降的问题.其次引入评价模块,使用基于信息熵的评价方法或基于IOU-Net的评价方法,对得到的多个预测结果分别进行打分,选择得分最高的预测结果作为最终的预测结果.最后提出更新模块,对评价模块得到的得分进行分析,当得分满足更新模块设立的更新条件时,用最终的预测结果更新动态模板帧,使用新的外观信息指导下一帧跟踪.实验结果显示,该算法在GOT-10k、OTB100等标准数据集上取得较好效果,验证了所提算法的有效性.

来源：2024年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第11期