基于孪生三分支神经网络的目标跟踪

摘要

为了在保持较高跟踪精度的前提下,提高智能监控摄像头对单目标跟踪的实时性,提出一种基于孪生三分支神经网络的跟踪方法.首先,基于DenseNet重新构建孪生网络的骨干部分,使用较少的参数量和计算量更加充分地利用不同层次的特征图;其次,添加掩膜分支,对目标模板图像和搜索图像特征间的相似性度量得分重新排序,直接根据最大得分对应的候选响应窗口生成和细化掩膜;最后,定义算法的损失函数.在OTB50/100以及VOT2018基准数据集上对所提算法进行评估,实验结果表明,所提算法相比原始的SiamMask算法在准确性有所提升的情况下更加轻量级,平均帧速提高了2倍,实时性更佳.