2 个月前
ADTrack:面向目标的双滤波器学习用于实时抗暗无人机跟踪
Bowen Li; Changhong Fu; Fangqiang Ding; Junjie Ye; Fuling Lin

摘要
针对无人驾驶飞行器(UAV)的基于前期相关滤波器(CF)的跟踪方法几乎都集中在白天的跟踪任务上。然而,当夜幕降临时,这些跟踪器会面临更加严苛的场景,容易导致跟踪失败。为此,本研究提出了一种具有抗暗功能的新型跟踪器(ADTrack)。该方法将一个高效且有效的低光图像增强器集成到基于CF的跟踪器中。此外,通过利用图像光照变化,同时生成目标感知掩模。目标感知掩模可以用于联合训练一个专注于目标的滤波器,以辅助上下文滤波器实现鲁棒跟踪。具体而言,ADTrack采用了双回归策略,其中上下文滤波器和目标聚焦滤波器相互制约,进行双重滤波学习。在典型暗场景基准数据集上进行了详尽的实验验证,该数据集包括来自权威基准测试集UAVDark中的37个典型夜间序列以及我们新构建的UAVDark70基准测试集。实验结果表明,ADTrack显著优于其他最先进的跟踪器,并且在单个CPU上实现了每秒34帧的实时速度,大大扩展了鲁棒UAV跟踪的应用范围至夜间场景。