Tracking moving objects from space-borne satellite videos is a new and challenging task. The main difficulty stems from the extremely small size of the target of interest. First, because the target usually occupies only a few pixels, it is hard to obtain discriminative appearance features. Second, the small object can easily suffer from occlusion and illumination variation, making the features of objects less distinguishable from features in surrounding regions. Current state-of-the-art tracking approaches mainly consider high-level deep features of a single frame with low spatial resolution, and hardly benefit from inter-frame motion information inherent in videos. Thus, they fail to accurately locate such small objects and handle challenging scenarios in satellite videos. In this article, we successfully design a lightweight parallel network with a high spatial resolution to locate the small objects in satellite videos. This architecture guarantees real-time and precise localization when applied to the Siamese Trackers. Moreover, a pixel-level refining model based on online moving object detection and adaptive fusion is proposed to enhance the tracking robustness in satellite videos. It models the video sequence in time to detect the moving targets in pixels and has ability to take full advantage of tracking and detecting. We conduct quantitative experiments on real satellite video datasets, and the results show the proposed HIGH-RESOLUTION SIAMESE NETWORK (HRSiam) achieves state-of-the-art tracking performance while running at over 30 FPS.

中文翻译：

---

HRSiam：高分辨率连体网络，迈向太空火箭卫星视频跟踪

跟踪星载卫星视频中的移动物体是一项新的挑战性任务。主要困难来自感兴趣目标的极小尺寸。首先，由于目标通常仅占据几个像素，因此很难获得具有区别的外观特征。其次，小物体容易受到遮挡和照明变化的影响，使得物体的特征与周围区域的特征难以区分开。当前的最新跟踪方法主要考虑具有低空间分辨率的单个帧的高级深度特征，并且几乎无法从视频固有的帧间运动信息中受益。因此，他们无法准确定位此类小物体，也无法处理卫星视频中具有挑战性的场景。在本文中，我们成功设计了一种具有高空间分辨率的轻型并行网络，以定位卫星视频中的小物体。当应用于暹罗跟踪器时，此体系结构可确保实时且精确的本地化。此外，提出了一种基于在线运动目标检测和自适应融合的像素级细化模型，以提高卫星视频的跟踪鲁棒性。它可以及时对视频序列进行建模，以检测像素中的移动目标，并能够充分利用跟踪和检测的优势。我们对真实的卫星视频数据集进行了定量实验，结果表明，所提出的高分辨率SIAMESE网络（HRSiam）在以超过30 FPS的速度运行时可以达到最先进的跟踪性能。当应用于暹罗跟踪器时，此体系结构可确保实时且精确的本地化。此外，提出了一种基于在线运动目标检测和自适应融合的像素级细化模型，以提高卫星视频的跟踪鲁棒性。它可以及时对视频序列进行建模，以检测像素中的移动目标，并能够充分利用跟踪和检测的优势。我们对真实的卫星视频数据集进行了定量实验，结果表明，所提出的高分辨率SIAMESE网络（HRSiam）在以超过30 FPS的速度运行时可以达到最先进的跟踪性能。当应用于暹罗跟踪器时，此体系结构可确保实时且精确的本地化。此外，提出了一种基于在线运动目标检测和自适应融合的像素级细化模型，以提高卫星视频的跟踪鲁棒性。它可以及时对视频序列进行建模，以检测像素中的移动目标，并能够充分利用跟踪和检测的优势。我们对真实的卫星视频数据集进行了定量实验，结果表明，所提出的高分辨率SIAMESE网络（HRSiam）在以超过30 FPS的速度运行时可以达到最先进的跟踪性能。提出了一种基于在线运动目标检测和自适应融合的像素级细化模型，以提高卫星视频的跟踪鲁棒性。它可以及时对视频序列进行建模，以检测像素中的移动目标，并能够充分利用跟踪和检测的优势。我们对真实的卫星视频数据集进行了定量实验，结果表明，所提出的高分辨率SIAMESE网络（HRSiam）在以超过30 FPS的速度运行时可以达到最先进的跟踪性能。提出了一种基于在线运动目标检测和自适应融合的像素级细化模型，以提高卫星视频的跟踪鲁棒性。它可以及时对视频序列进行建模，以检测像素中的移动目标，并能够充分利用跟踪和检测的优势。我们对真实的卫星视频数据集进行了定量实验，结果表明，所提出的高分辨率SIAMESE网络（HRSiam）在以超过30 FPS的速度运行时可以达到最先进的跟踪性能。