SiamBM:实现更佳匹配的Siamese目标跟踪网络

TP391; 基于孪生网络的目标跟踪算法通常采用简单的互相关匹配方式,然而这种简单的匹配方式会引入大量无关信息,弱化目标区域的响应.基于无锚框的孪生跟踪网络虽然避免了锚框参数的调整,但由于失去了先验性信息,并不能很好地适应目标物的尺度变化.因此,针对上述所存在的问题,本文提出了一种基于孪生网络的目标跟踪匹配增强算法SiamBM.通过将目标的边界框坐标信息进行编码,为跟踪模型提供有效的指导信息;采用深度可分离互相关级联像素匹配互相关的方式,进一步提高跟踪模型的判别能力;采用多尺度互相关的方式,增强跟踪模型的尺度适应能力.在OTB100数据集上,SiamBM的成功率和精确率分别达到了0.684和0...

Full description

Saved in:
Bibliographic Details
Published in数据采集与处理 Vol. 38; no. 5; pp. 1079 - 1091
Main Authors 胡昭华, 刘浩男, 林潇
Format Journal Article
LanguageChinese
Published 南京信息工程大学江苏省大气环境与装备技术协同创新中心,南京 210044%南京信息工程大学电子与信息工程学院,南京 210044 01.09.2023
南京信息工程大学电子与信息工程学院,南京 210044
Subjects
多方式互相关
Siamese network
multi-modal cross-correlation
孪生网络
bounding-box encoding
边界框编码
object tracking
多尺度互相关
目标跟踪
multi-scale cross-correlation
Online AccessGet full text
ISSN1004-9037
DOI10.16337/j.1004-9037.2023.05.007

Cover

More Information
Summary:TP391; 基于孪生网络的目标跟踪算法通常采用简单的互相关匹配方式,然而这种简单的匹配方式会引入大量无关信息,弱化目标区域的响应.基于无锚框的孪生跟踪网络虽然避免了锚框参数的调整,但由于失去了先验性信息,并不能很好地适应目标物的尺度变化.因此,针对上述所存在的问题,本文提出了一种基于孪生网络的目标跟踪匹配增强算法SiamBM.通过将目标的边界框坐标信息进行编码,为跟踪模型提供有效的指导信息;采用深度可分离互相关级联像素匹配互相关的方式,进一步提高跟踪模型的判别能力;采用多尺度互相关的方式,增强跟踪模型的尺度适应能力.在OTB100数据集上,SiamBM的成功率和精确率分别达到了0.684和0.906,相比基准模型分别提高了5.2%和4.2%.实验结果表明,与目前主流的跟踪器相比,SiamBM取得了相当有竞争力的结果,在各项数据集指标上取得了优越的性能.
ISSN:1004-9037
DOI:10.16337/j.1004-9037.2023.05.007