结合空间注意力机制的实时鲁棒视觉跟踪

作     者：马素刚 张子贤 蒲磊 侯志强 MA Sugang;ZHANG Zixian;PU Lei;HOU Zhiqiang

作者机构：西安邮电大学计算机学院西安710121 长安大学信息工程学院西安710064 火箭军工程大学作战保障学院西安710025 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2024年第50卷第2期

页      面：419-432页

核心收录：

学科分类：0710[理学-生物学] 0810[工学-信息与通信工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 0836[工学-生物工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62072370) 陕西省重点研发计划(2018ZDCXL-GY-04-02) 西安邮电大学研究生创新基金(CXJJZL2021011) 

主　　题：目标跟踪 孪生网络 注意力机制 模板更新 深度学习 

摘      要：为提高全卷积孪生网络(SiamFC)跟踪器在复杂场景下的跟踪能力,缓解跟踪器在跟踪过程中出现的目标漂移问题,提出一种结合空间注意力机制的实时目标跟踪算法。在SiamFC框架基础上,将改进的视觉几何组(VGG)网络作为主干网络,增强跟踪器对于目标深度特征的建模能力。对自注意力机制进行优化,提出一种即插即用的轻量级单卷积注意力模块(SCAM),将空间注意力分解为2个并行的一维特征编码过程,减少空间注意力的计算复杂度。保留跟踪过程中的初始目标模板作为第1模板,通过分析连通域在跟踪结果响应图的变化动态选择第2模板,融合2个模板后对目标进行定位。实验结果表明:在OTB100、LaSOT和UAV123数据集上,所提算法相比于SiamFC跟踪成功率分别提高了0.082、0.045和0.045,跟踪精度分别提高了0.118、0.051和0.062;在VOT2018数据集上,所提算法相比于SiamFC在跟踪准确率、鲁棒性和期望平均重叠率上分别提高了0.029、0.276和0.134;跟踪速度达到了70帧/s,能够满足实时跟踪的需求。