融合时空上下文信息和注意力机制的目标跟踪

摘要

为提高目标跟踪任务中跟踪器面对目标形变、背景干扰和光照强度变化等场景时的鲁棒性,研究孪生网络跟踪算法。基于孪生网络框架,提出一种结合时空上下文的深层次信息和特征自适应加权融合的目标跟踪算法(STASiam)。对改良的ResNet50网络模型中3个网络块进行特征自适应加权融合,结合双注意力机制突出对目标响应程度的通道和位置。构建一个拉普拉斯型模板特征集合聚合时序信息,通过交叉注意力机制将时间序列上的先验知识前向传播到搜索区域,提升模型对目标的辨别力。在OTB100数据集上对算法进行评测,算法精度和成功率分别达到了0.891和68.14%。