Um das Problem der unzureichenden Unterscheidungsfähigkeit des D3S-Algorithmus für Zielverfolgung zu lösen, wird ein Videozielverfolgungsalgorithmus auf Basis einer doppelt verzweigten Online-Optimierung und Merkmalsfusion vorgeschlagen. Zunächst wird ein doppelt verzweigter Online-Optimierungsklassifikator aufgebaut, um eine sekundäre Zielbestimmung zu realisieren und eine genauere Zielpositionsantwortkarte zu erhalten; anschließend wird auf der Merkmalsebene die Fusion der Antwortkarte mit Suchmerkmalen umgesetzt, und durch das Encoder-Modul wird der Fusionsprozess gefördert, um die Merkmale des Zielverfolgungsobjekts weiter hervorzuheben; schließlich wird durch das Encoder-Modul die Aktualisierung der Template-Merkmale realisiert, um die Unterschiede zwischen den Merkmalen anzupassen und die Unterscheidungsfähigkeit des Segmentierungsmoduls zu verbessern. Experimente wurden auf den Datensätzen VOT2018 und UAV123 durchgeführt. Im Vergleich zum ursprünglichen Algorithmus wurde auf dem VOT2018-Datensatz der EAO um 2,9 % erhöht, auf dem UAV123-Datensatz die Erfolgsrate um 2,4 % und die Genauigkeit um 2,9 %. Die experimentellen Ergebnisse zeigen, dass die Methode die Unterscheidungsfähigkeit des Algorithmus verbessert und zudem Genauigkeit und Robustheit erhöht.

Videozielverfolgung; Zielsegmentierung; Online-Optimierung; Merkmalsfusion; Aufmerksamkeitsmechanismus