Research on Object Tracking Algorithms based on Siamese Network

视觉目标跟踪技术具有重要的研究意义和广阔的应用前景，在精确制导、空中预警、战场监视、视频监控、人机交互、视觉导航以及智慧交通等领域广泛应用。本文对目前的目标跟踪算法进行研究总结，针对目标跟踪在尺度变换、抖动模糊、光照变化、背景混叠和遮挡等场景下的挑战因素，提出了一种引入注意力机制的轻量级孪生网络目标跟踪算法，并将所提算法在嵌入式平台进行应用，本文的主要工作总结如下：(1) 对基于区域推荐的孪生网络目标跟踪算法原理进行分析，发现其在背景杂乱和剧烈光照变化等场景下易出现跟踪漂移甚至丢失目标的现象。针对以上问题，本文提出了两种改进策略，首先，将原有的浅层特征提取骨干网络AlexNet更换为网络层数更深且轻量级的卷积神经网络MobileNetV2，增强模型对于深层语义信息的特征提取能力。其次在孪生网络两个分支均引入了通道注意力模块，使网络能够自动学习特征通道之间的重要性，建模通道间的关系，提升模型对于干扰信息的判别能力。最后将模型在通用测试数据集上测试，实验结果表明该模型具有较高的跟踪精度和速度。(2) 为了满足实际工程需要，本文首先对硬件平台进行选型和介绍，之后基于Nvidia Jetson Xavier NX开发板搭建了目标跟踪系统，最后将本文算法在嵌入式平台上进行测试应用，实验结果表明本文算法在嵌入式平台依然能保持较高的跟踪性能且跟踪平均速度可达22.2FPS，满足工程实时性要求