Basierend auf der STARK-Zielverfolgungsmethode, die ResNet als Backbone-Netzwerk verwendet, dessen Merkmalsextraktionsfähigkeit unzureichend ist und die Verfolgungsleistung schlecht ist. Um dieses Problem zu lösen, wird in dieser Arbeit ein verbesserter Zielverfolgungsalgorithmus basierend auf dem Swin-Transformer-Netzwerk vorgeschlagen. Zunächst wird der Fenster-Aufmerksamkeitsmechanismus im Swin-Transformer mehrskalig verbessert, es wird das mehrskalige Fenster-Modul MW-MSA entworfen, das darauf abzielt, reichhaltigere lokale Detailinformationen zu extrahieren, die zusammen mit globalen Kontextinformationen mehrskalige diskriminative Merkmale bilden. Anschließend wird die Transformer-Encoder-Decoder-Struktur als Merkmalsfusionierungsnetzwerk verwendet, wobei ein optimiertes mehrschichtiges Wahrnehmungsnetzwerk als Aktualisierungsbewertungsnetzwerk zur Bildung eines Zustandsbewusstseinsmoduls eingesetzt wird. Schließlich wird für die Herausforderungen des Verschwindens und Wiedererscheinens des Ziels eine Mehr-Tracker-Fusionsmethode vorgeschlagen. Es werden der mehrskalig verbesserte Verfolgungsalgorithmus und der SuperDiMP-Verfolgungsalgorithmus fusioniert, es wird ein Verschwindensstatusbewertungsmodul entworfen, das umfassend die Vertrauenswerte beider Tracker sowie die Wahrscheinlichkeitsabschätzung des Ziels in der Nähe des Vorhersagefeldes berücksichtigt. Experimentelle Ergebnisse zeigen, dass im Vergleich zum STARK-Algorithmus die durchschnittliche Überlappungsrate (AO) im GOT-10K-Datensatz um 2,7 % und die Erfolgsrate S_R0.5 um 3,3 % verbessert wird. Im L-LaSOT-Datensatz steigt die Erfolgsrate (AUC) um 0,8 % und beim Verschwinden-Wiederauftauchen-Herausforderung um 1 % im Vergleich zum STARK-Algorithmus.

Zielverfolgung;mehrskaliges Fenster;Swin-Transformer;Vorlagenaktualisierung;Mehrmodellfusion