基于多层特征增强的实时视觉跟踪

• 作者: 宋慧慧 张开华 费大胜
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 视觉跟踪 数据增强 注意力机制 全局上下文 长时定位
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 3300-3305
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020040514

摘要

为了解决全卷积孪生视觉跟踪网络(SiamFC)出现相似语义信息干扰物使得跟踪目标发生漂移,导致跟踪失败的问题,设计出一种基于多层特征增强的实时视觉跟踪网络(MFESiam),分别去增强高层和浅层的特征表示能力,从而提升算法的鲁棒性.首先,对于浅层特征,利用一个轻量并且有效的特征融合策略,通过一种数据增强技术模拟一些在复杂场景中的变化,例如遮挡、相似物干扰、快速运动等来增强浅层特征的纹理特性;其次,对于高层特征,提出一个像素感知的全局上下文注意力机制模块(PCAM)来提高目标的长时定位能力;最后,在三个具有挑战性的跟踪基准库OTB2015、GOT-10K和2018年视觉目标跟踪库(VOT2018)上进行大量实验.实验结果表明,所提算法在OTB2015和GOT-10K上的成功率指标比基准SiamFC分别高出6.3个百分点和4.1个百分点,并且以每秒45帧的速度运行达到实时跟踪.在VOT2018实时挑战上,所提算法的平均期望重叠率指标超过2018年的冠军,即高性能的候选区域孪生视觉跟踪器(SiamRPN),验证了所提算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋慧慧		5	3	1.0	1.0
2	张开华		4	0	0.0	0.0
3	费大胜		1	0	0.0	0.0