面向无人机的孪生网络目标跟踪：综述与综合分析
计算机视觉与模式识别
2022-08-04 v2
摘要
基于无人机（UAV）的视觉目标跟踪因其通用性和有效性，在智能交通系统领域实现了广泛应用并吸引了越来越多的关注。作为深度学习革命趋势中的新兴力量，孪生网络以其在精度、鲁棒性和速度上颇具前景的平衡，在基于无人机的目标跟踪中崭露头角。得益于嵌入式处理器的发展与深度神经网络的逐步优化，孪生跟踪器得到广泛研究，并实现了与无人机的初步结合。然而，由于无人机机载计算资源有限以及现实世界环境复杂，基于孪生网络的空中跟踪在许多方面仍面临严峻障碍。为进一步探索孪生网络在基于无人机的跟踪中的部署，本工作对前沿孪生跟踪器进行了全面综述，并基于使用典型无人机机载处理器的评估给出了详尽的无人机专项分析。随后，开展机载测试以验证代表性孪生跟踪器在真实无人机部署中的可行性与有效性。此外，为更好推动跟踪领域的发展，本工作分析了现有孪生跟踪器的局限，并开展了以低光照评估为代表的额外实验。最后，深入探讨了面向基于无人机的智能交通系统的孪生跟踪发展前景。前沿孪生跟踪器的统一框架（即代码库）及其实验评估结果可在 https://github.com/vision4robotics/SiameseTracking4UAV 获取。
引用
@article{arxiv.2205.04281,
title = {Siamese Object Tracking for Unmanned Aerial Vehicle: A Review and Comprehensive Analysis},
author = {Changhong Fu and Kunhan Lu and Guangze Zheng and Junjie Ye and Ziang Cao and Bowen Li and Geng Lu},
journal= {arXiv preprint arXiv:2205.04281},
year = {2022}
}