摘要
无人机（UAV）的目标跟踪功能会受到光照变化、背景干扰以及目标遮挡等环境因素的显著影响。为了解决这些问题，我们开发了一种融合频域与空间感知能力的无人机视觉目标跟踪方法（FSTrack）。具体而言：（1）我们采用Swin Transformer作为核心网络，从模板图像和搜索图像中提取特征；（2）我们引入基于Transformer的模块来增强频域和空间信息，从而在不同光照条件下提高跟踪精度；（3）我们设计了一个具备多重多头自注意力机制的时空特征融合模块，以精准建模目标跟踪状态，进而提升在复杂背景和目标遮挡环境中的可靠性；（4）我们创建了一种混合损失函数，以提高分类和回归任务的准确性。在UAV123、DTB70和UAVDT数据集上的实验结果表明，我们的方法不仅在成功率与精确度方面超越了现有的最先进技术，而且运行速度更快。
