Pour résoudre le problème de la faible capacité de discrimination de l'algorithme D3S sur la cible suivie, une méthode de suivi vidéo d'objets basée sur une optimisation en ligne à double branche et une fusion de caractéristiques est proposée. Tout d'abord, un classificateur d'optimisation en ligne à double branche est construit pour effectuer une seconde localisation de l'objet, obtenant ainsi une carte de réponse de position plus précise ; ensuite, la fusion de la carte de réponse avec les caractéristiques de recherche est réalisée au niveau des caractéristiques, et le module encodeur facilite le processus de fusion, mettant davantage en valeur les caractéristiques de la cible suivie ; enfin, le module encodeur permet la mise à jour des caractéristiques du modèle en ajustant les différences entre les caractéristiques, améliorant la capacité discriminante du module de segmentation. Des expériences ont été menées sur les ensembles de données VOT2018 et UAV123 ; comparé à l'algorithme original, l'algorithme amélioré a augmenté l'EAO de 2,9 % sur VOT2018, le taux de succès de 2,4 % et la précision de 2,9 % sur UAV123. Les résultats démontrent que la méthode proposée améliore la capacité de discrimination de l'algorithme ainsi que sa précision et sa robustesse.

suivi vidéo d'objets; segmentation d'objets; optimisation en ligne; fusion de caractéristiques; mécanisme d'attention