关键词: 视觉跟踪, 目标丢失判别机制, 实时多域卷积神经网络, 重叠度, 出镜头

摘要：

当被跟踪目标被严重遮挡或离开摄像机视野时，机器人跟踪目标往往会丢失。为了对目标进行鲁棒跟踪，提出了一种目标丢失判别跟踪算法YOLO-RTM。该方法通过YOLOv3检测视频第一帧中的目标。然后使用实时多域卷积神经网络（Real-Time MDNet，RT-MDNet）跟踪算法逐帧预测目标的变化。最后，计算了相交于联合（IoU），并根据IoU与预设阈值的比较结果确定了模型的更新模式。如果IoU高于阈值，则使用RT-MDNet更新外观模型。如果IoU低于阈值，则使用Yolov3再次搜索目标并更新外观模型。在Turtlebot2机器人上的实验结果表明，该算法满足了一般场景下移动机器人跟踪的可靠性，有效地提高了跟踪算法的实用性。

关键词： 视觉跟踪， 目标损失识别机制， 实时多域卷积神经网络， 联邦交叉口（IoU）， 离开摄像机的视野