结合注意力与抗遮挡策略的无人机航拍目标跟踪OA

为了解决无人机在目标跟踪任务中存在的复杂干扰、目标遮挡等问题,提出了一种引入注意力机制和目标遮挡判别机制的孪生神经网络目标跟踪算法SiamAL,以及其融合目标检测算法的变体SiamAL-Det。基于SiamDMU算法,首先在主干网络引入注意力机制,同时采用新的激活函数h-swish,提升了复杂干扰条件下的特征表征能力;其次,引入基于卡尔曼滤波的运动先验对目标轨迹进行估计,利用跟踪器置信度联合预测-观测残差对跟踪状态进行分级判别:在严重遮挡时,自适应提高运动先验权重,从而在遮挡期间保持轨迹连续性;最后设计一种融合检测与跟踪的算法框架来提升实际跟踪效果,在判定跟踪失败或严重漂移时,触发轻量检测分支进行重检测与纠正。在数据集UAV123上,SiamAL以及SiamAL-Det算法的成功率和精确率分别达到了65.3%、86.6%和68.6%、88.8%,相比基准算法SiamDMU分别提升了2.5%、3.7%和5.8%、5.9%。与多种主流基于孪生网络的跟踪算法对比,成功率和精确率表现更优,表明提出的方法在无人机航拍场景中具有良好的应用前景。