基于双重结构化特征的孪生网络用于红外目标跟踪

如今，红外目标跟踪已成为计算机视觉领域的一项关键技术，并具有诸多应用，如运动分析、行人监控、智能检测等。遗憾的是，由于缺乏颜色、纹理及其他细节信息，当跟踪器遇到尺寸或形状变化的红外目标时，常发生跟踪漂移。为解决此问题，我们提出一种基于双重结构化特征的孪生网络用于红外目标跟踪。首先，为提升对红外目标的判别能力，提出一种新颖的特征融合网络，将浅层空间信息与深层语义信息综合融合至所提取特征中。随后，设计一种基于模板更新机制的多模板更新模块，以有效应对易引发早期跟踪失败的目标外观变化干扰。最后，在 VOT-TIR 2016 数据集上进行了定性与定量实验，表明我们的方法相较于其他先进跟踪器实现了优异跟踪性能与实时跟踪速度的平衡。