基于DiMP模型迁移重组的RGBD目标跟踪

来源：计算机工程与应用杂志2022年第20期北京时间：

作者：邱守猛, 谷宇章, 袁泽强

单位：1.中国科学院 上海微系统与信息技术研究所 仿生视觉系统实验室，上海 200050；2.中国科学院大学，北京 100049；

摘要：深度图可以提供运动目标所处的三维空间结构信息，因此可以用来提升跟踪性能。但目前缺少基于RGBD的目标跟踪数据集，无法直接训练RGBD输入下的深度学习跟踪器。对此，提出了一种基于知识对齐的模型迁移重组算法，可以方便地将在其他RGBD任务上训练得到的模型迁移到基于DiMP的跟踪算法上来，并且对于不同的跟踪对象不需要重新计算迁移参数。另外，针对深度图信息不稳定的问题，提出了一种高效的平滑稳定算法。在VOTRGBD数据集上的实验结果表明，迁移融合后的特征可以显著提升目标和背景之间的判别性，有效提升跟踪器的性能。

关键词：模型迁移,深度信息,信息融合,目标跟踪