Para melhorar a precisão da localização da posição do alvo durante o processo de rastreamento, foi proposto um algoritmo de rastreamento de alvo baseado em filtragem correlacionada ponderada por região de destaque. Este artigo, baseado na estrutura do algoritmo Efficient Convolution Operators for Tracking (ECO), emprega primeiramente a rede residual aprimorada pré-treinada SE-ResNet para extrair características multirresolução de diferentes camadas, aproveitando plenamente as distintas características de camadas rasas e profundas para reforçar a representação das características, calculando o mapa de resposta do filtro correlacionado por convolução fatorada; em seguida, utiliza um modelo de objeto de fundo para obter o mapa de destaque do alvo e usa o mapa de destaque para ponderar o mapa de resposta do filtro correlacionado, melhorando a precisão da localização; finalmente, na competição Visual Object Tracking (VOT), o algoritmo foi comparado com 8 algoritmos populares de rastreamento, obtendo pontuações médias de Expected Average Overlap (EAO) de 0,4157 e 0,3412 nas competições VOT2016 e VOT2017, respectivamente, superando outros algoritmos. Os experimentos mostram que este algoritmo pode melhorar efetivamente a precisão da localização do alvo e melhorar o desempenho do rastreamento.

rede neural convolucional;filtragem correlacionada;região de destaque;rastreamento de alvo