基于AreaMask与前景-背景自适应调度的热红外目标跟踪新方法

《Chinese Journal of Electronics》:An Adaptive Foreground-Background Network for Thermal Infrared Object Tracking

【字体: 大 中 小 】 时间:2026年01月04日 来源:Chinese Journal of Electronics 3

编辑推荐:

  为解决热红外(TIR)目标跟踪中因目标外观变化和相似目标干扰导致的跟踪失效问题,研究人员开展了基于视觉Transformer(ViT)的自适应前景-背景网络研究。通过设计AreaMask机制明确感兴趣区域,结合前景跟踪器和背景跟踪器的动态调度策略,在LSOTB-TIR100和PTB-TIR数据集上分别取得69.5%和69.2%的成功率,显著提升了复杂场景下的跟踪鲁棒性。

  
在完全黑暗或恶劣天气条件下,热红外成像技术通过捕捉物体表面辐射的红外线生成图像,成为救援行动、安防监控等领域不可替代的技术手段。然而,热红外图像中的目标往往呈现为缺乏纹理的灰色斑块,当目标发生形变、遮挡或出现相似物体干扰时,传统跟踪方法极易失效。现有基于视觉Transformer(ViT)的热红外跟踪器主要依赖模板与搜索图像的特征匹配,但裁剪后的模板常包含无关背景信息,而训练过程中产生的语义模糊模板更会导致跟踪目标歧义。
西安电子科技大学的研究团队在《Chinese Journal of Electronics》发表论文,提出了一种融合AreaMask机制的自适应前景-背景网络。该研究创新性地将目标区域先验信息嵌入ViT跟踪器,通过双跟踪器协同调度策略,在保持实时性的同时显著提升复杂场景下的跟踪稳定性。具体技术路径包括:设计AreaMask嵌入模块将目标空间范围编码为掩码向量;构建分别基于首帧模板和前一帧背景的独立跟踪器;开发基于置信度惯性的动态调度算法,当前景跟踪器置信度低于统计均值的0.3倍时自动启用背景跟踪器。
研究方法核心包含三个关键技术:AreaMask生成机制通过二值掩码精确标注目标区域(前景AreaMask)或背景区域(背景AreaMask);AreaMask嵌入模块将掩码切片投影为D维向量并与图像块嵌入融合;前景-背景跟踪器架构采用共享的Transformer编码器和预测头,其中前景跟踪器输入首帧模板(128×128像素)与当前搜索帧,背景跟踪器输入擦除目标区域的前一帧(256×256像素)与搜索帧。
研究结果
  1. 1.
    AreaMask机制有效性验证
    通过对比基线模型(OSTrack无候选消除模块),引入AreaMask嵌入使跟踪成功率提升2.2%。可视化结果显示,当目标被车辆部分遮挡时,基线跟踪器发生目标丢失,而AreaMask引导的跟踪器能依据目标形状先验持续跟踪。
  2. 2.
    双跟踪器协同性能
    在LSOTB-TIR100数据集上,完整模型(含AreaMask与背景跟踪器)取得82.4%精度与69.5%成功率。背景跟踪器在目标严重形变场景中贡献0.4%成功率提升,其通过环境特征连续性推断目标位置,有效补偿前景跟踪器在目标特征失效时的不足。
  1. 3.
    多场景适应性分析
    在12类挑战场景测试中,该方法在快速运动、尺度变化等场景表现突出(成功率76.3%-77.9%)。但在热交叉(多个相似目标重叠)场景中,因背景信息失效,成功率降至59.4%,表明时空信息融合可能是未来改进方向。
  2. 4.
    跨数据集泛化能力
    在RGBT234和VTUAV数据集TIR模态测试中,模型分别达到56.7%和53.4%的成功率,证明该方法对未参与训练的红外视频具备良好泛化能力。
讨论与结论
研究通过AreaMask机制将空间先验引入ViT跟踪器,解决了传统模板匹配中背景噪声干扰问题。前景-背景双跟踪器架构创新性地将环境信息作为跟踪 contingency plan,其惯性调度策略平衡了计算效率与性能需求。在目标持续外观变化(如佩戴口罩的人脸)和密集相似目标干扰场景中,该方法仍存在局限性,未来可结合动态模板更新策略进一步增强适应性。该工作为热红外目标跟踪提供了新的架构设计范式,在无人机巡检、夜间救援等实际场景中具有重要应用价值。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号