Com base no método de rastreamento de alvos STARK que utiliza ResNet como rede backbone, que possui capacidade insuficiente de extração de características e desempenho de rastreamento insatisfatório. Para resolver este problema, este artigo propõe um algoritmo aprimorado de rastreamento de alvos baseado na rede Swin-Transformer. Primeiramente, o mecanismo de atenção por janela interna do Swin-Transformer é aprimorado em múltiplas escalas, projetando o módulo de janela multiescala MW-MSA, que visa extrair informações locais mais ricas, formando características discriminativas multiescala em conjunto com informações contextuais globais. Em seguida, a estrutura codificador-decodificador do Transformer é utilizada como rede de fusão de características, adotando um perceptron multicamada otimizado como rede de avaliação de score de atualização para compor o módulo de percepção de estado. Por fim, para os desafios de desaparecimento e reaparecimento do alvo, é proposto um método de fusão de múltiplos rastreadores. Integrando o algoritmo de rastreamento multiescala aprimorado e o algoritmo de rastreamento SuperDiMP, foi projetado um módulo de avaliação do estado de desaparecimento, considerando de forma abrangente as pontuações de confiança dos dois rastreadores e a estimativa de probabilidade do alvo próximo à caixa prevista. Os resultados experimentais mostram que, em comparação com o algoritmo STARK, o algoritmo proposto melhora a taxa média de sobreposição (AO) em 2,7% e a taxa de sucesso S_R0.5 em 3,3% no conjunto de dados GOT-10K. No conjunto de dados L-LaSOT, a taxa de sucesso (AUC) melhora 0,8%, e no desafio de desaparecimento e reaparecimento do alvo, a taxa de sucesso melhora 1%.

rastreamento de alvo;janelas multiescala;Swin-Transformer;atualização de modelo;fusão multimodelo