基于全卷积孪生网络的模糊目标跟踪

针对全卷积孪生网络(fully-convolutional siamese network,SiamFC)跟踪速度较快但容易受到运动模糊干扰的问题,通过在SiamFC的基础上引入图像质量评估(image quality assessment,IQA)和去模糊模块,提出了一种有效跟踪运动模糊场景下目标的算法。一方面,使用图像质量评估模块对SiamFC选择的搜索区域进行质量评估,只有在得出的结果显示该图像区域较为模糊时才对其进行去模糊处理,以最大程度防止在原本清晰的图像中引入噪声,同时将图像质量评估模块与SiamFC的网络结构进行融合,以尽可能减少新增模块所需的计算量。另一方面,去模糊模块可以有效解决原图像中存在的运动模糊对跟踪造成干扰的问题。在公开数据集OTB2015和UAV20L上的实验结果表明,相较于基准算法SiamFC,本文算法在OTB2015上的准确率提升了3.1%,成功率提升了2.6%;在UAV20L上的准确率提升了4.7%,成功率提升了5.4%。对OTB2015和UAV20L数据集中不同属性的视频序列进行分析,结果表明,本文算法可以有效降低动态模糊对跟踪算法的干扰。