控制与决策

作者：李虹瑾,彭力

单位：江南大学 物联网技术应用教育部工程研究中心,江苏 无锡 214122,,江南大学 物联网技术应用教育部工程研究中心,江苏 无锡 214122;无锡太湖学院 物联网应用技术重点建设实验室,江苏 无锡 214064,

关键词：目标跟踪;孪生网络;负样本挖掘;特征融合;轻量型网络

基金：国家自然科学基金项目(61873112)；台州市发改委基金项目(2106-331000-04-04-295510).

随着目标跟踪技术在多种视觉任务中的广泛应用,跟踪算法的实时性变得越来越重要.全卷积孪生网络跟踪算法(SiamFC)虽然在跟踪速度方面较为理想,但在复杂的跟踪环境下很容易出现跟踪漂移.为了能在提高算法精度的同时保证实时性,提出一种基于负样本挖掘与特征融合的高速跟踪算法.首先,为了学到更深层次特征,又不过多增加额外参数运算,使用增加了剪裁层的轻量级网络ShuffleNetV2进行特征提取,提升跟踪速度;其次,在离线训练阶段引入不同种类的负样本对,加强对语义信息的学习,从而提升模型的特征判别能力;最后,为了得到更高质量的响应图,提出一种多尺度特征融合策略,充分利用浅层与深层特征,提高跟踪精度.在OTB100和VOT2018两个数据集上与其他跟踪算法进行对比实验,结果表明:所提出算法较基准算法SiamFC在各项指标上有大幅度提升,在两个数据集下分别收获8.3%和7.9%的增益;同时在NIVIDA GTX l070下的速度可达114FPS.

来源：2023年第9期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第9期