结合运动信息与双重注意力机制的两阶段SiamCAR跟踪算法

摘要

针对单目标跟踪中，因形变、运动模糊、遮挡以及背景干扰导致的跟踪框精度下降问题，特别是在背景干扰下易出现跟踪跳变及漂移问题，提出了一种结合运动信息和双重注意力机制的两阶段跟踪算法.第一阶段，使用带有双重注意力机制的SiamCAR跟踪器对当前帧的目标进行粗定位；第二阶段，利用像素级相似度运算构建边界框精细化模块，在低延迟情况下学习目标的细微特征以提升跟踪精度，并将基于外观特征得到的跟踪框与目标的运动轨迹信息相融合，以改善跟踪漂移及跳变问题. OTB100数据集上的实验结果表明，跟踪框的成功率和精度相比原来分别提高了4.6%和2.8%，在背景干扰下的成功率达到了69.6%.

关键词

单目标跟踪 / SiamCAR / 孪生网络 / 神经网络 / 注意力机制