近年來(lái),Siamese網(wǎng)絡(luò)由于其良好的跟蹤精度和較快的跟蹤速度,在視覺(jué)跟蹤領(lǐng)域引起極大關(guān)注,但大多數(shù)Siamese網(wǎng)絡(luò)并未考慮模型更新,從而引起跟蹤錯(cuò)誤。針對(duì)這一不足,該文提出一種基于雙模板Siamese網(wǎng)絡(luò)的視覺(jué)跟蹤算法。首先,保留響應(yīng)圖中響應(yīng)值穩(wěn)定的初始幀作為基準(zhǔn)模板R,同時(shí)使用改進(jìn)的APCEs模型更新策略確定動(dòng)態(tài)模板T。然后,通過(guò)對(duì)候選目標(biāo)區(qū)域與2個(gè)模板匹配度結(jié)果的綜合分析,對(duì)結(jié)果響應(yīng)圖進(jìn)行融合,以得到更加準(zhǔn)確的跟蹤結(jié)果。在OTB2013和OTB2015數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,與當(dāng)前5種主流跟蹤算法相比,該文算法的跟蹤精度和成功率具有明顯優(yōu)勢(shì),不僅在尺度變化、平面內(nèi)旋轉(zhuǎn)、平面外旋轉(zhuǎn)、遮擋、光照變化情況下具有較好的跟蹤效果,而且達(dá)到了46幀/s的跟蹤速度。 

【文章來(lái)源】：電子與信息學(xué)報(bào). 2019,41(09)北大核心EICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

SiameseFC網(wǎng)絡(luò)框架

的方式進(jìn)行跟蹤：保留未被污染的初始幀目標(biāo)作為基準(zhǔn)模板R，使用改進(jìn)的APECs更新策略進(jìn)行模板更新得到動(dòng)態(tài)模板T，兩個(gè)模板相輔相成，分別與搜索區(qū)域進(jìn)行相似度匹配，得到各自的響應(yīng)圖，對(duì)2個(gè)響應(yīng)圖加權(quán)得到最終響應(yīng)。本文算法框架如圖2所示。3.1.1模板、搜索區(qū)域的獲取模板區(qū)域的獲取如圖3所示。(1)模板的獲取(w;h)sz=(w+2p)￡(h+2p)首先，以被選為模板的目標(biāo)中心位置P和目標(biāo)大小裁剪一個(gè)正方形區(qū)域，該正方形的邊長(zhǎng)，其中p為上下文余量圖2基于Siamese網(wǎng)絡(luò)下的雙模板跟蹤第9期侯志強(qiáng)等：基于雙模板Siamese網(wǎng)絡(luò)的魯棒視覺(jué)跟蹤算法2249

速的效果。值的確定是本文算法的關(guān)鍵，參數(shù)太小會(huì)造成更新過(guò)于頻繁，容易出現(xiàn)模型過(guò)更新；參數(shù)太大會(huì)使更新速度滯后于目標(biāo)表觀變化，導(dǎo)致跟蹤性能下降。通過(guò)大量實(shí)驗(yàn)，確定了閾值為0.85，如表1所示。3.3算法具體流程本文主要算法流程如表2所示。4實(shí)驗(yàn)本文采用MATLAB2017a和VisualStudio2013編程來(lái)驗(yàn)證本文算法的性能，在Intel(R)Core(TM)i7-6850k3.6GHz處理器上進(jìn)行測(cè)試，并采用GPU(NVIDIAGTX1080Ti)進(jìn)行加速。分別在2個(gè)流行的跟蹤數(shù)據(jù)集上做了實(shí)驗(yàn)：包含51個(gè)視圖3模板與搜索區(qū)域2250電子與信息學(xué)報(bào)第41卷

【參考文獻(xiàn)】：
期刊論文
[1]視覺(jué)跟蹤技術(shù)綜述[J]. 侯志強(qiáng),韓崇昭.  自動(dòng)化學(xué)報(bào). 2006(04)



本文編號(hào)：3353227