基于Tiny Darknet全卷积孪生网络的目标跟踪

摘要

全卷积孪生网络目标跟踪利用训练深度卷积网络,预先离线学习的方法解决通常相似性学习的问题,可以在线跟踪任意目标。针对基于全卷积孪生网络的目标跟踪,文中提出了一种基于Tiny Darknet全卷积孪生网络的目标跟踪器。首先,基于Tiny Darknet重新设计孪生网络目标跟踪框架;框架对输入的目标模板图像和搜索图像进行特征提取,通过互相关方法计算特征间的相似度,根据相似度得分确定目标的位置与尺度。然后,在该孪生网络目标跟踪框架的基础上,对Tiny Darknet的网络结构本身进行调整,以适应输入、输出尺寸。最终实验结果表明,基于Tiny Darknet全卷积孪生网络的目标跟踪相比原始的AlexNet全卷积孪生网络在保证跟踪准确性几乎不变的同时更加轻量级,帧速提高了30%,实时性更佳。