结合深度轮廓特征的改进孪生网络跟踪算法

针对现有的孪生网络目标跟踪算法存在跟踪漂移的问题,提出了一种结合深度轮廓生成网络的改进孪生网络跟踪模型,以实现复杂背景下对任何目标的稳定检测与跟踪。首先,轮廓检测网络自动获取目标的封闭轮廓信息,并利用泛洪聚类算法获得轮廓模板;然后将轮廓模板与搜索区域输入到改进的孪生网络,获得最优跟踪评分值,并自适应地更新轮廓模板。若目标被遮挡或跟踪丢失,则采用检测网络全视场搜索目标,实现全过程稳定跟踪。大量定性及定量仿真试验结果表明,这种改进模型不仅能够提高复杂背景下目标的跟踪性能,还能提升机载系统的反应时间,适合于工程应用。

基于自适应模板更新的改进孪生卷积网络目标跟踪算法

现有的孪生网络目标跟踪算法采用边界框模板进行跟踪,在目标形变、遮挡等干扰下很容易导致跟踪漂移。在轮廓检测网络和孪生卷积网络(Siamese)跟踪网络的基础上,提出一种基于深度轮廓模板更新的改进孪生卷积网络目标跟踪算法。利用轮廓检测网络获取目标边缘轮廓,降低背景杂波干扰;利用改进的Siamese网络获得轮廓模板和搜索区域的深度特征;通过相似性匹配获得最优跟踪目标。仿真实验结果表明,所提出的改进模型能够提高目标形变、遮挡等干扰下目标跟踪性能,具有较高的工程应用价值。