Para abordar el problema del descenso en el rendimiento del seguimiento en el seguimiento de un solo objetivo debido a la oclusión del objetivo y la interferencia de objetos similares, este artículo propone un algoritmo de seguimiento de objetivos basado en Transformer y trayectoria de seguimiento. El algoritmo utiliza Vision Transformer (ViT) como red principal, y para mitigar la sensibilidad del Transformer a la información de fondo durante la extracción de características, introduce una capa de enfoque para ajustar la distribución de atención, reforzando el peso de la región objetivo y suprimiendo el ruido de fondo; al mismo tiempo, se diseñó un módulo de atención híbrida para desacoplar las características de la plantilla y la región de búsqueda, donde la región de la plantilla utiliza un mecanismo de auto-atención para fortalecer las características del objetivo y la región de búsqueda integra el contexto global mediante atención cruzada. Además, el algoritmo introduce un postprocesador basado en la trayectoria de seguimiento, construyendo la secuencia de resultados históricos en la trayectoria del objetivo y utilizando un filtro de Kalman para evaluar la confiabilidad de la caja delimitadora predicha. Si la confiabilidad es mayor que el umbral establecido, se emite directamente la caja predicha; de lo contrario, se realiza un seguimiento inverso de la caja predicha y las cajas candidatas, generando múltiples trayectorias y calculando su coincidencia con la trayectoria del objetivo, seleccionando la mejor caja para optimizar los resultados del seguimiento. Durante la fase de entrenamiento, se utiliza la función de pérdida EIoU para la regresión de la caja delimitadora, mejorando aún más la precisión de la localización. Los resultados experimentales muestran que el algoritmo propuesto alcanza una superposición promedio (AO) del 74.6% en el conjunto de datos GOT-10K, una precisión (P) del 91.4% en el conjunto UAV123, y también presenta un buen rendimiento de seguimiento en los conjuntos LaSOT, TrackingNet y OTB100. Los resultados de visualización confirman que el algoritmo mantiene un seguimiento estable y preciso incluso en escenarios complejos con oclusión e interferencia de objetos similares.

Seguimiento de objetivos;Mecanismo de atención;Trayectoria de seguimiento;Oclusión de objetivo;Interferencia de objetos similares