Para resolver los problemas de interferencias complejas y bloqueo del objetivo en tareas de seguimiento de objetivos con drones, se propone un algoritmo de seguimiento basado en redes neuronales siamesas que incorpora un mecanismo de atención y un mecanismo de discriminación de bloqueo del objetivo llamado SiamAL, así como su variante que fusiona un algoritmo de detección de objetos denominado SiamAL-Det. Basado en el algoritmo SiamDMU, primero se introduce un mecanismo de atención en la red troncal, utilizando la nueva función de activación h-swish, que mejora la capacidad de representación de características en condiciones de interferencias complejas; en segundo lugar, se introduce un prior de movimiento basado en el filtro de Kalman para estimar la trayectoria del objetivo, aprovechando la confianza del rastreador junto con el residuo de predicción-observación para realizar un juicio jerárquico del estado del seguimiento: en caso de bloqueo severo, se aumenta adaptativamente el peso del prior de movimiento para mantener la continuidad de la trayectoria durante el bloqueo; finalmente, se diseña un marco algorítmico que fusiona detección y seguimiento para mejorar el rendimiento real del seguimiento, activando una rama ligera de detección para la re-detección y corrección cuando se determina un fallo de seguimiento o un desplazamiento severo. En el conjunto de datos UAV123, los algoritmos SiamAL y SiamAL-Det alcanzaron tasas de éxito y precisión del 65,3 %, 86,6 % y 68,6 %, 88,8 % respectivamente, mejorando en comparación con el algoritmo base SiamDMU en un 2,5 %, 3,7 % y 5,8 %, 5,9 %. En comparación con varios algoritmos principales basados en redes siamesas, las tasas de éxito y precisión tienen un mejor desempeño, lo que indica que el método propuesto tiene buenas perspectivas de aplicación en escenarios de filmación aérea con drones.

filmación aérea con drones; seguimiento siamés de objetivos; mecanismo de atención; filtro de Kalman