摘要：野生动物作为生态系统的重要组成部分，其动态监测对于维系生态平衡、理解物种间相互作用及评估生态系统健康状况具有至关重要的意义。野生动物监测主要通过无人机机载相机和固定的红外相机来捕捉动物的自然行为。然而，由于野生动物行为的不可预测性，在实际跟踪过程中，常会出现目标较小、多尺度变化以及动物身体被遮挡等问题。为了应对这些挑战，提出一种基于改进孪生网络的动物目标跟踪方法，将跟踪问题转化为相似性学习问题。在孪生关系网络（SiamRN）的特征提取阶段引入多头注意力机制，包括串联窗口自注意力运算和滑动窗口自注意力运算，增强模型对小目标的精准跟踪能力。同时，多头注意力机制的引入降低了网络的参数量和复杂度，提高了运算效率。试验在公开数据集和自制数据集上进行，试验结果表明本研究采用的野生动物跟踪方法的成功率和准确率分别为0.698和0.914，优于主流的孪生网络跟踪方法，该方法能够准确跟踪和定位野生动物目标，实现野生动物监测。
文章目录
1 研究方法
1.1 数据集构建
1.2 SiamRN结构分析
1.3 模型改进
1.3.1 多尺度特征提取
1.3.2 相似度度量
1.4 损失函数
2 结果与分析
2.1 实验平台参数设置
2.2 模型性能评估指标
2.2.1 精确度（precision）
2.2.2 成功率（success rate）
2.3 跟踪算法比较分析
2.4 参数量与计算量比较分析
2.5 单目标跟踪试验结果分析
3 讨论
4 结论
