基于极化注意力的双模态目标跟踪算法

• 全文链接
• 请求原文

作   者：

权家锐;  何乐生;  余圣涛;  廖伟;  尹恒; 

作者机构：

云南大学信息学院; 

关键词：

极化注意力;  深度学习;  红外与可见光融合;  目标跟踪; 

期刊名称：

电光与控制

i s s n：

1671-637X

年卷期：

2024 年 31 卷 010 期

页   码：

15-20

摘   要：

基于可见光图像的视觉目标跟踪在雨雾天气和光照变化的场景下,其可见光图像信息将变得不再可靠,而红外图像通过反映物体的热源信息成像,能够在上述情况下清晰地成像,因此,利用红外图像与可见光图像的互补性优势,可实现在复杂场景下的鲁棒性跟踪.在特征提取层利用多尺度特征提取结构获得目标在不同尺度感受域的特征,并通过自适应权重分配增强特征选择能力;利用极化注意力机制对特征进行增强,从而有效地融合双模态信息进行鲁棒性跟踪.所提算法在大型红外与可见光数据集GTOT与RGBT234 上进行实验验证,精确率和成功率分别达到了90.05%、72.7%与78.7%、55.5%.实验结果表明,所提算法在跟踪精确率与成功率方面均优于目前主流算法.