检索结果

Select

1. 基于孪生网络和Transformer的红外弱小目标跟踪方法

崔晨辉, 蔺素珍, 李大威, 禄晓飞, 武杰

《计算机应用》唯一官方网站 2024, 44 (2): 563-571. DOI: 10.11772/j.issn.1001-9081.2023020167

摘要（93）

HTML （2）

PDF （3513KB）（58）

针对红外弱小目标跟踪准确性较低这一问题，提出一种基于孪生网络和Transformer的红外弱小目标跟踪方法。首先，构建多特征提取级联模块分别提取红外弱小目标模板帧和搜索帧的深度特征，并将二者分别与其对应的HOG特征进行维度层面的串联；其次，引入多头注意力机制Transformer进行模板特征图和搜索特征图的互相关操作，生成响应图；最后，通过响应图上采样网络和边界框预测网络，获得目标在图像的中心位置和回归边界框，完成对红外弱小目标的跟踪。在包含13 655张红外图像数据集上的测试结果表明：与KeepTrack跟踪方法相比，成功率提高5.9个百分点，精确率提高1.8个百分点；与TransT（Transformer Tracking）方法相比，成功率提高14.2个百分点，精确率提高14.6个百分点，证明所提方法对复杂背景下的红外弱小目标跟踪准确性更高。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于多特征融合与分层数据关联的空中红外多目标跟踪方法

杨博, 蔺素珍, 禄晓飞, 李大威, 秦品乐, 左健宏

计算机应用 2020, 40 (10): 3075-3080. DOI: 10.11772/j.issn.1001-9081.2020030320

摘要（302）

PDF （1977KB）（376）

针对星空背景下目标相似度高、数量大和误检数目较多所导致的空中红外多目标跟踪困难问题，提出基于分层数据关联的空中红外多目标在线跟踪方法。首先，根据红外场景特性来提取目标的位置特征、灰度特征和尺度特征；其次，综合这三个特征来计算目标与轨迹之间的初步关联关系以获得真实目标；再次，将所获得的真实目标按照尺度大小分类，大尺度类目标数据关联采用表观特征、运动特征、尺度特征三种特征相加的方法来计算，小尺度类目标数据关联采用表观特征与运动特征两种特征相乘的方法来计算；最后，根据匈牙利算法对两类目标分别进行目标分配、完成轨迹更新。多种复杂情况下的实验结果表明：与仅采用运动特征的在线跟踪方法相比，所提方法的跟踪准确率提升了12.6%；与采用多特征融合的方法相比，所提方法的分层数据关联不仅提高了跟踪速度，也使跟踪准确率提升了19.6%。综上，该方法不仅跟踪精度高，而且具有较好的实时性和抗干扰能力。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于孪生网络和 Transformer 的红外弱小目标跟踪方法

崔晨辉蔺素珍李大威禄晓飞武杰

《计算机应用》唯一官方网站
录用日期: 2023-09-21