结合空间注意力机制的实时鲁棒视觉跟踪

为提高全卷积孪生网络(SiamFC)跟踪器在复杂场景下的跟踪能力，缓解跟踪器在跟踪过程中出现的目标漂移问题，提出一种结合空间注意力机制的实时目标跟踪算法。在SiamFC框架基础上，将改进的视觉几何组(VGG)网络作为主干网络，增强跟踪器对于目标深度特征的建模能力。对自注意力机制进行优化，提出一种即插即用的轻量级单卷积注意力模块(SCAM)，将空间注意力分解为2个并行的一维特征编码过程，减少空间注意力的计算复杂度。保留跟踪过程中的初始目标模板作为第1模板，通过分析连通域在跟踪结果响应图的变化动态选择第2模板，融合2个模板后对目标进行定位。实验结果表明：在OTB100、LaSOT和UAV123数据集上，所提算法相比于SiamFC跟踪成功率分别提高了0.082、0.045和0.045，跟踪精度分别提高了0.118、0.051和0.062；在VOT2018数据集上，所提算法相比于SiamFC在跟踪准确率、鲁棒性和期望平均重叠率上分别提高了0.029、0.276和0.134；跟踪速度达到了70帧/s，能够满足实时跟踪的需求。