一种基于Transformer架构的目标图像跟踪算法

本发明涉及图像跟踪算法技术领域，更具体的说是一种基于Transformer架构的目标图像跟踪算法。模板和搜索区域图像被分割成标准大小并连接成级联向量，采用ViT作为提出的框架的骨干，并将目标和搜索区域的图像对作为输入，通过结构化先验Transformer网络模块同时进行特征提取和特征融合，利用自注意力空间先验生成网络(SSP)模拟空间特征关联，并提出基于交叉注意力的高斯先验(CGP)和随机先验模块(CRP)，分别用来建立特征标记之间的空间依赖关系与目标‑搜索区域之间的匹配关系。最后，将结构化先验Transformer网络模块的输出作为BBox预测网络的输入，以生成跟踪结果。以实现更好的视觉目标跟踪性能。