Pour résoudre le problème de la diminution des performances de suivi dans le suivi d'objet unique due à l'occultation de l'objet et aux interférences d'objets similaires, cet article propose un algorithme de suivi d'objet basé sur Transformer et trajectoire de suivi. L'algorithme utilise Vision Transformer (ViT) comme réseau principal, et pour atténuer la sensibilité du Transformer aux informations de fond lors de l'extraction des caractéristiques, une couche de focalisation est introduite pour ajuster la distribution de l'attention, renforçant le poids de la zone cible et supprimant le bruit de fond ; simultanément, un module d'attention mixte est conçu pour découpler les caractéristiques du modèle et de la zone de recherche, la zone du modèle utilisant un mécanisme d'auto-attention pour renforcer les caractéristiques de l'objet, tandis que la zone de recherche intègre les informations contextuelles globales via une attention croisée. En outre, l'algorithme introduit un post-traitement basé sur la trajectoire de suivi, construisant la séquence des résultats de suivi historiques en trajectoire cible, et utilisant un filtre de Kalman pour évaluer la fiabilité de la boîte englobante prédite. Si la fiabilité dépasse un seuil fixé, la boîte prédite est directement sortie ; sinon, un suivi inverse est effectué sur la boîte prédite et les boîtes candidates pour générer plusieurs trajectoires et calculer leur correspondance avec la trajectoire cible, sélectionnant la boîte optimale pour optimiser les résultats de suivi. Pendant la phase d'entraînement, une fonction de perte EIoU est utilisée pour la régression des boîtes, améliorant ainsi la précision de localisation. Les résultats expérimentaux montrent que l'algorithme proposé atteint un taux de recouvrement moyen (AO) de 74,6 % sur le dataset GOT-10K, une précision (P) de 91,4 % sur le dataset UAV123, et présente également une bonne performance de suivi sur les datasets LaSOT, TrackingNet et OTB100. Les résultats de visualisation confirment que l'algorithme maintient un suivi stable et précis même dans des scènes complexes avec occultation et interférences d'objets similaires.

Suivi d'objets;Mécanisme d'attention;Trajectoire de suivi;Occultation d'objet;Interférence d'objets similaires