基于多层特征自适应融合孪生网络的目标跟踪算法

针对无人机在跟踪过程中存在目标尺度快速变化,跟踪易漂移、形变及相似干扰物等问题,提出了一种基于多层特征自适应融合孪生网络的目标跟踪算法。对孪生网络的CNN部分进行分析并改进,提出一种适用于无人机平台且表征能力更好的CNN模型;针对跟踪任务设计了一种由通道和空间注意力机制组成的双重注意力机制模块,将CNN输出的深浅层特征图组合输入到注意力机制模块后得到自适应融合特征图;将得到的自适应特征图通过区域生成网络(RPN)预测出目标在当前帧中的位置与尺度。通过在UAV123和DTB70无人机数据集进行测试,相较于基准孪生区域生成网络(SiamRPN),成功率分别提高了3.4%和5.8%,准确率提高了3.7%和6.1%;验证了该算法的有效性。