لحل مشكلات التداخلات المعقدة وحجب الهدف في مهام تتبع الهدف باستخدام الطائرات بدون طيار، تم اقتراح خوارزمية تتبع هدف باستخدام شبكة عصبية توأمية تعتمد على آلية الانتباه وآلية تمييز حجب الهدف تُسمى SiamAL، بالإضافة إلى متغير يجمع بين خوارزمية الكشف عن الأهداف يسمى SiamAL-Det. بناءً على خوارزمية SiamDMU، تم أولاً إدخال آلية الانتباه في الشبكة الأساسية، مع استخدام دالة تنشيط جديدة وهي h-swish لتعزيز قدرة تمثيل السمات في ظروف التداخل المعقد؛ ثانياً، تم إدخال توقع حركي يعتمد على مرشح كالمان لتقدير مسار الهدف، باستخدام مستوى ثقة المتتبع مع بقايا التنبؤ-الملاحظة لتصنيف حالة التتبع: في حالة الحجب الشديد، يتم زيادة وزن التوقع الحركي بشكل تكيفي للحفاظ على استمرارية المسار أثناء فترة الحجب؛ أخيراً، تم تصميم إطار عمل يجمع بين الكشف والتتبع لتحسين الأداء الفعلي للتتبع، حيث يتم تفعيل فرع الكشف الخفيف لإعادة الكشف والتصحيح عند فشل التتبع أو الانحراف الشديد. على مجموعة بيانات UAV123، حققت خوارزميات SiamAL وSiamAL-Det معدلات نجاح ودقة بلغت على التوالي 65.3%، 86.6% و68.6%، 88.8%، مما يحسن مقارنة بالخوارزمية الأساسية SiamDMU بنسبة 2.5%، 3.7% و5.8%، 5.9%. مقارنة بعدة طرق تتبع تعتمد على الشبكات التوأمية، تظهر معدلات النجاح والدقة أداءً أفضل، مما يدل على أن الطريقة المقترحة لديها آفاق تطبيقية جيدة في مشاهد التصوير الجوي باستخدام الطائرات بدون طيار.

تصوير جوي بالطائرات بدون طيار;تتبع الهدف التوأمي;آلية الانتباه;مرشح كالمان