生物多样性 ›› 2024, Vol. 32 ›› Issue (3): 23409. DOI: 10.17520/biods.2023409
许群, 谢永华*
Qun Xu, Yonghua Xie*
摘要: 跟踪野生动物可以了解它们的生态习性和种群动态。自动化的、高效准确的目标跟踪算法对于野生动物保护具有重要意义。由于东北虎(Panthera tigris altaica)生存环境复杂, 行动方式隐蔽且具有快速运动的特点, 拍摄到的图像可能存在运动模糊问题, 难以捕获清晰稳定的画面。因此, 监测东北虎种群的难点在于实现自动准确地跟踪东北虎个体。在实际环境中, 由于光照变化、遮挡、相似性干扰等问题的存在, 导致错误跟踪东北虎个体。针对这些问题, 本文提出了一种基于注意力特征融合的孪生网络跟踪框架, 旨在实现对实际复杂场景中东北虎个体的准确跟踪。基于孪生网络的视觉目标跟踪框架将目标跟踪视为相似性学习问题, 本文对传统基于孪生网络的跟踪架构进行改进, 将注意力特征融合嵌入主干网络ResNet50中进行特征提取。为了增强模型对跟踪场景中发生极端尺度变化的东北虎个体的关注度, 本文在注意力特征融合模块中引入了多尺度通道注意力机制, 以适应不同的东北虎个体状态和环境变化。实验结果表明, 本文的方法与当前的先进跟踪器相比取得了更优的跟踪性能, 跟踪成功率和精确度分别达到了72.5%和93.9%, 相比基准跟踪算法分别提高了4.1%和2.3%, 证明本文的跟踪方法可以在复杂的实际场景下为自动高效地监测东北虎提供一种有效的方案。