一种基于孪生网络的高鲁棒性实时单目标船舶跟踪方法

摘要

视觉目标跟踪在各种海事应用中发挥着重要作用。然而,现有的跟踪方法大多属于生成模型,只关注对象的特征,忽略背景信息。因此,对目标的视觉显著性有更高的要求。本文将深度学习方法应用于船舶跟踪,提出使用孪生网络和区域推荐网络的海上船舶跟踪方法。为进一步提高跟踪性能,参照AlexNet网络对孪生网络的CNN模块进行修改,并提出一种基于历史轨迹的自适应搜索区域提取方法,以适应不同的运动场景。利用数据集对所提出的跟踪器进行评估。结果表明,在使用Intel Xeon CPU E5-2620,GTX TITAN的PC机上可以达到58%的平均精度和124.21 FPS。