摘要
在本文中，我们提出了一种新颖的算法，该算法利用椭圆拟合来估计目标上分割掩模（mask）的边界框旋转角度和尺寸，以实现在线和实时视觉目标跟踪。我们的方法SiamMask_E改进了最先进的目标跟踪算法SiamMask中的边界框拟合过程，并且在配备有GPU（如GeForce GTX 1080 Ti或更高型号）的系统上仍能保持较快的跟踪帧率（80帧/秒）。我们在标记有旋转边界框的视觉目标跟踪数据集（VOT2016、VOT2018和VOT2019）上测试了该方法。与原始的SiamMask相比，我们在VOT2019上实现了更高的精度（Accuracy为0.652，EAO为0.309），分别比原始SiamMask提高了0.056和0.026。该算法的实现代码已发布在GitHub上：https://github.com/baoxinchen/siammask_e。