融合YOLO检测的孪生网络目标跟踪

作     者：陈曦 王昱程 曹宇 毛中杰 颜佳 CHEN Xi;WANG Yucheng;CAO Yu;MAO Zhongjie;YAN Jia

作者机构：武汉大学计算机学院湖北武汉430072 北京机电工程总体设计部北京100854 武汉大学电子信息学院湖北武汉430072 

出 版 物：《武汉大学学报（工学版）》 (Engineering Journal of Wuhan University)

年 卷 期：2023年第56卷第5期

页      码：614-624页

摘      要：针对全卷积孪生神经网络(fully-convolutional Siamese network,SiamFC)在目标发生明显外观变化、目标快速运动等复杂场景下跟踪精确度不足,以及在跟踪目标丢失后由于采用局部搜索策略导致无法重新捕获追踪目标的问题,引入YOLO(you only look once)v3作为再检测网络对SiamFC进行改进。改进算法在SiamFC的跟踪点漂移后会启用目标检测网络进行全局搜索,同时在SiamFC跟踪响应图的峰值小于某一确定阈值时启用目标检测网络对跟踪目标位置进行重新检测与判定,从而可以重捕并更精确地判定复杂环境下的运动目标。在公共数据集OTB2013、OTB2015和UAV20L上进行了实验,实验结果表明,与SiamFC相比,改进算法在OTB2015数据集上的精确度提升了2.9%、成功率提升了1.7%,在UAV20L数据集上的精确度提升了1%、成功率提升了2.6%。此外,通过与目前主流的跟踪算法进行比较得出,改进算法达到了领先的性能。对数据集中不同属性的视频序列进行分析,实验表明改进算法在目标形变、尺度变化、严重遮挡、目标离开视野以及背景混淆5种干扰属性上均有较强的准确性和鲁棒性。

主 题 词：目标跟踪 孪生神经网络 YOLO算法 再检测 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.14188/j.1671-8844.2023-05-013

馆 藏 号：203121482...