基于孿生網絡的輕量級高速跟蹤算法

洛怡航， 趙振宇， 胡銀記， 揭斐然， 萬錦錦

(1.光電控制技術重點實驗室，河南 洛陽 471000； 2.中國航空工業集團公司洛陽電光設備研究所，河南 洛陽 471000)

0 引言

目標跟蹤是計算機視覺的一個重要研究方向，廣泛應用于視頻監控、自動駕駛[1-2]等領域。然而，在跟蹤過程中，目標會發生形變、遮擋等情況，所以目標跟蹤仍面臨嚴重挑戰。目標跟蹤算法主要可以分為基于相關濾波和基于深度學習的跟蹤算法。相關濾波[3-4]算法的特點是效率高、速度快，主要根據信號間的相關性找到最大響應位置并將其作為跟蹤目標，然而，相關濾波算法一般使用手工設計的特征，精度較低，當目標出現形變、遮擋等問題時容易跟蹤失敗?；谏疃葘W習[5-6]的算法，通過卷積操作進行特征提取，每一步卷積操作都可以得到不同層次的特征信息,越深層的網絡提取到的信息越豐富，模型的抗干擾能力越強。但網絡的加深也會導致計算量大增，很多算法即使在高性能的服務器上運行速度也達不到10 幀/s，嚴重限制其應用發展。在此背景下，孿生網絡因平衡了速度與精度之間的關系而引起廣泛關注，孿生網絡算法起源于SiamFC[7]，其將目標跟蹤轉為匹配問題，并訓練了一個端到端的離線深度網絡。通過相關操作獲得一個單通道響應圖，根據響應大小判斷目標位置，在保持實時性的同時，精度也有很大提升。SiamRPN[8]引入檢測算法，通過錨框的回歸解決了SiamFC多尺度檢測問題，極大地提高了定位精度。DaSiamRPN[9]通過構建正、負樣本對提高了模型的泛化能力，并當目標丟失時，提出了一個局部到全局的搜索策略用以提高模型長時間跟蹤的能力?！?br>