一种基于自适应模板更新和轻量化Transformer的目标跟踪方法

本发明涉及计算机视觉技术领域，具体涉及一种基于自适应模板更新和轻量化Transformer的目标追踪方法。针对传统孪生网络在复杂场景下鲁棒性不足及Transformer架构对计算资源依赖较强的问题，本发明提出一种高效且鲁棒的目标跟踪算法。首先，设计监督反馈模块，在特征提取阶段引入任务相关的监督信息，引导网络更聚焦于目标区域，从而提升特征的判别能力并有效抑制背景干扰；其次，构建轻量化Transformer结构，在保持全局建模能力的同时，显著降低计算复杂度与参数规模，实现模型性能与计算效率的平衡；最后，设计自适应模板更新机制，结合当前帧的状态信息与环境变化，动态更新模板内容，从而增强模型对目标外观变化的适应能力，降低跟踪漂移风险。