摘要: 可见光与热红外跟踪(简称 RGBT 跟踪)的核心是有效的利用不同模态的信息,针对决策级融合中单分支产生低质结果影响算法判定目标的问题,提出了一个用于 RGBT 跟踪的孪生混合信息融合算法(SiamMIF),使用孪生主干网络 SBN进行多模态特征提取,从信噪比的角度分析低质图像对双分支并行决策产生的影响,进而设计了一个信噪比驱动的信息交互模块 IIM 对低信噪比特征进行信息互补,利用双流无锚跟踪头对补偿后的特征进行分类回归,最终采用自适应轻量决策模块ALDM 对跟踪结果进行融合,快速判定目标位置。在四个 RGBT 跟踪基准数据集 GTOT,RGBT234,VOT-RGBT2019,LasHeR上进行评估,所提方法在 LasHeR 数据集上的成功率和精确度分别为 0.396 和 0.518,相较于 APFNet 提升了 9.4%和 3.6%,在 其余数据集上所提方法也可以取得极具竞争力的结果,且在 GPU 上的运行速度能达到 40fps。
中图分类号: