FocusTrack：用于高效防御无人机跟踪的自适应局部采样算法
计算机视觉与模式识别
2025-04-21 v1
摘要
防御无人机跟踪面临诸多挑战，包括目标尺寸较小、摄像机运动突变以及红外背景杂乱等问题。现有的跟踪方法可 broadly 定义为全局式和局部式方法。全局式跟踪器（如 SiamDT）通过扫描整个视野实现高精度，但计算开销大，限制了实际部署。相对而言，局部式方法（包括 OSTrack 和 ROMTrack）高效限制搜索区域，但在目标因摄像机运动突变导致显著位移时表现不足。通过初步实验发现，局部跟踪器配合自适应搜索区域调整可显著提升跟踪精度，缩小与全局跟踪器的差距。为此，我们提出 FocusTrack 框架，动态细化搜索区域并加强特征表示，在计算效率与跟踪精度之间实现最佳平衡。具体而言，提出的搜索区域调整（SRA）策略估计目标存在概率，自适应调整视野，确保目标始终在焦点内。此外，为抵消因搜索区域变化导致的特征退化，提出注意力到掩码（ATM）模块，将层次化信息整合进来，丰富目标表示的细粒度细节。实验结果表明，FocusTrack 在 AntiUAV 和 AntiUAV410 数据集上分别取得 67.7% 和 62.8% 的 AUC 得分，分别比基线跟踪器提升 8.5% 和 9.1% AUC。在效率方面，FocusTrack 超越全局式跟踪器，仅需 30G MACs，FocusTrack（SRA）版本实现 143 fps，完整版本实现 44 fps，均实现实时跟踪。
引用
@article{arxiv.2504.13604,
title = {FocusTrack: A Self-Adaptive Local Sampling Algorithm for Efficient Anti-UAV Tracking},
author = {Ying Wang and Tingfa Xu and Jianan Li},
journal= {arXiv preprint arXiv:2504.13604},
year = {2025}
}
备注
13pages, 13 figures