计算机工程

作者：谌海云, 余鹏, 王海川

单位：西南石油大学电气信息学院, 四川 成都 610500

关键词：时域孪生网络,Transformer模型,无人机,视觉跟踪,时空信息

基金：智能电网与智能控制南充市重点实验室平台建设(二期)项目(SXHZ053)

针对无人机(UAV)执行跟踪任务时经常出现尺寸变化、低分辨率、目标遮挡等场景导致跟踪目标框漂移的问题, 提出一种时域孪生网络融合Transformer的长时无人机视觉跟踪算法TTTrack。首先, 使用基于孪生网络的SiamFC++(AlexNet)算法作为基线算法; 其次, 利用Transformer自适应地提取历史帧的时空信息并在线更新模板, 从而将时空上下文信息储存为动态模板; 随后, 分别使用基准模板和动态模板与搜索特征图进行互相关运算, 获得响应图后利用Transformer融合两个响应图, 从而在连续帧之间建立时空上下文映射关系。实验结果表明, 在LaSOT长序列跟踪基准上TTTrack的成功率和精确率分别为63.9%和66.6%, 在UAV123跟踪基准上的成功率和精确率分别为61.4%和80.2%。与基线算法相比, 该算法在完全遮挡场景下的成功率和精确率分别提升7.4和8.0个百分点。TTTrack在DTB70跟踪基准上精确率达到82.1%, 并且跟踪速度为118帧/s, 满足实时性要求。测试结果验证了TTTrack具有良好的鲁棒性、实时性和抗干扰能力, 能有效应对长时UAV跟踪任务。

来源：2024年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第11期