Para resolver os problemas de interferências complexas e oclusão do alvo em tarefas de rastreamento de objetos com drones, foi proposto um algoritmo de rastreamento baseado em redes neurais siamesas que incorpora um mecanismo de atenção e um mecanismo de discriminação de oclusão do alvo chamado SiamAL, bem como sua variante que integra um algoritmo de detecção de objetos chamado SiamAL-Det. Com base no algoritmo SiamDMU, primeiramente foi introduzido um mecanismo de atenção na rede principal, utilizando uma nova função de ativação h-swish, que melhora a capacidade de representação de características sob condições de interferências complexas; em seguida, foi introduzido um prior de movimento baseado no filtro de Kalman para estimar a trajetória do alvo, utilizando a confiança do rastreador junto com o resíduo previsão-observação para realizar uma classificação hierárquica do estado de rastreamento: em caso de oclusão severa, o peso do prior de movimento é adaptativamente aumentado para manter a continuidade da trajetória durante a oclusão; por fim, foi projetado um framework algorítmico que integra detecção e rastreamento para melhorar o desempenho real do rastreamento, acionando um ramo de detecção leve para re-detectar e corrigir em casos de falha ou deriva severa. No conjunto de dados UAV123, os algoritmos SiamAL e SiamAL-Det atingiram taxas de sucesso e precisão de 65,3%, 86,6% e 68,6%, 88,8%, respectivamente, representando melhorias de 2,5%, 3,7% e 5,8%, 5,9% em relação ao algoritmo base SiamDMU. Comparado a vários algoritmos principais baseados em redes siamesas, as taxas de sucesso e precisão apresentaram melhor desempenho, indicando que o método proposto possui boas perspectivas de aplicação em cenários de filmagem aérea com drones.

filmagem aérea com drones; rastreamento siamês de alvos; mecanismo de atenção; filtro de Kalman