多尺度特征响应融合的复杂场景红外目标跟踪

来源：计算机工程与应用杂志2025年第12期北京时间：

作者：熊偌炎, 张上, 张岳

单位：1.三峡大学 水电工程智能视觉监测湖北省重点实验室，湖北 宜昌 443002；2.三峡大学 湖北省建筑质量检测装备工程技术研究中心，湖北 宜昌 443002；3.三峡大学 计算机与信息学院，湖北 宜昌 443002

摘要：针对红外目标跟踪算法在复杂场景下性能退化的问题，提出了多尺度特征响应融合的红外目标跟踪算法。该算法基于Siamese网络框架，构建了一个自适应模版更新的目标模板库，以提高模版匹配准确性。采用ResNet-50构建了多尺度特征提取与融合网络，通过多分支结构捕获不同信息的特征，并引入分组卷积以及增加每组的基数来提取多样化的深层特征。通过自适应权值分配策略，将不同尺度的特征进行融合；提出了全局感知与快速响应模块，通过可微相关滤波器层实现对整帧图像的全局感知，同时动态生成适应性滤波器以捕捉目标特征。采用核估计概率直方图建立红外目标的多尺度特征模型，在每个前向传播步骤中与候选区域进行比较，提高算法对于目标变化的响应速度和感知能力；提出了空间-通道-帧间交互自注意力模块，使模型能够更好地聚焦于全局空间特征和高响应通道，并利用帧间交互注意力增强了前、后帧信息的互补性。在LSOTB-TIR和PTB-TIR数据集上进行了实验。实验结果表明，在多种复杂场景下，提出的算法显著增强了目标辨别、感知和抗干扰能力。算法的成功率和精准率，在LSOTB-TIR数据集上分别达到了67.3%和80.0%，在PTB-TIR数据集上分别达到了64.5%和83.1%，综合优于对比跟踪算法。

关键词：红外目标跟踪,计算机视觉,孪生网络,相关滤波