基于Actor-Critic帧间预定位的改进SiamRPN模型

目标跟踪在智能监控、无人驾驶、航空航天等领域有广泛的应用,其目的是在视频每一帧中找到运动目标并用目标框将其定位出来,但由于运动模糊、外观变化、遮挡、光照变化和背景混杂等原因,跟踪器在跟踪过程中极易丢失跟踪目标。由于SiamRPN模型搜索目标区域面积较小,模型有丢失目标的风险,为了提高跟踪准确率和成功率,论文提出了一种扩大搜索区域的改进SiamRPN模型ACSiamRPN,利用目标在图像前后帧间的运动信息进行目标预定位的方法,扩大目标搜索区域,借助强化学习中的Actor-Critic方法,训练预定位网络来回归目标位置,并利用预定位结果来校正SiamRPN模型搜索区域中心,从而提高跟踪准确率和成功率。在OTB2013、OTB2015、DTB70、NFS30以及VOT2016数据集上,论文提出的改进SiamRPN模型ACSiamRPN的跟踪准确率和成功率均超越了SiamRPN,运行速度达到65fps,仍然保持良好的实时性能,与当今较为先进的一些跟踪方法相比具有明显优势。