文献类型：期刊文章

作　　者：杨梅[1] 贾旭[1] 殷浩东[1] 孙福明[2]

Yang Mei;Jia Xu;Yin Haodong;Sun Fuming(School of Electronics and Information Engineering,Liaoning University of Technology,Jinzhou 121001,China;School of Information and Communication Engineering,Dalian Minzu University,Dalian 116600,China)

机构地区：[1]辽宁工业大学电子与信息工程学院,锦州121001 [2]大连民族大学信息与通信工程学院,大连116600

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(61572244);辽宁省自然科学基金计划指导计划项目(2019-ZD-0700)资助。

年　　份：2021

卷　　号：42

期　　号：1

起止页码：127-136

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为改进在发生形变、尺度变化及相似目标等多种干扰因素时视频中运动目标的跟踪精度,提出了一种联合注意力的孪生网络模型。首先,采用一种轻量级网络MobileNetV3作为主干网络对目标进行特征提取;然后,为提高模型对于目标关键特征的关注度,提出了通道联合空间注意力与孪生网络结合的模型结构;最后,对基于注意力模块与非注意力模块的特征向量互相关结果进行加权融合获得响应图,并利用该响应图获得目标跟踪结果。实验结果表明,所提算法在OTB50与OTB100数据集上能够获得较好的跟踪效果,两个数据集平均精确率和成功率达到78.5%和58.3%。此外,当存在形变、尺度变化及相似目标等不合作因素时,所提算法仍能取得较好的跟踪效果,从而表明该算法具有良好的鲁棒性。

关 键 词：目标跟踪 孪生网络  联合注意力  MobileNetV3  

分 类 号：TP391.4] TH865[计算机类]