长时视觉跟踪中基于双模板Siamese结构的目标漂移判定网络

来源：电子与信息学报杂志2024年第4期北京时间：

作者：侯志强, 王卓, 马素刚, 赵佳鑫, 余旺盛, 范九伦

单位：1.西安邮电大学计算机学院 西安 7101212.空军工程大学信息与导航学院 西安 710038

摘要：在长时视觉跟踪中，大部分目标丢失判定方法需要人为确定阈值，而最优阈值的选取通常较为困难，造成长时跟踪算法的泛化能力较弱。为此，该文提出一种无需人为选取阈值的目标漂移判定网络(DNet)。该网络采用Siamese结构，利用静态模板和动态模板共同判定跟踪结果是否丢失，其中，引入动态模板有效提高算法对目标外观变化的适应能力。为了对所提目标漂移判定网络进行训练，建立了样本丰富的数据集。为验证所提网络的有效性，将该网络与基础跟踪器和重检测模块相结合，构建了一个完整的长时跟踪算法。在UAV20L, LaSOT, VOT2018-LT和VOT2020-LT等经典的视觉跟踪数据集上进行了测试，实验结果表明，相比于基础跟踪器，在UAV20L数据集上，跟踪精度和成功率分别提升了10.4%和7.5%。

关键词：长时跟踪, 深度学习, 目标漂移判定网络, Siamese结构, 双模板

基金资助：国家自然科学基金(62072370)，陕西省自然科学基金(2023-JC-YB-598)