一種基于尺度等變卷積孿生網(wǎng)絡(luò)的序列圖像目標(biāo)跟蹤方法

基本信息

申請?zhí)?/td> CN202210285141.7 申請日 -
公開（公告）號 CN114639050A 公開（公告）日 2022-06-17
申請公布號 CN114639050A 申請公布日 2022-06-17
分類號 G06V20/40（2022.01）I;G06V10/40（2022.01）I;G06V10/74（2022.01）I;G06V10/774（2022.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 劉慶;王繼超;華鈞 申請（專利權(quán)）人 北京科能騰達(dá)信息技術(shù)股份有限公司
代理機(jī)構(gòu) 北京眾合誠成知識產(chǎn)權(quán)代理有限公司 代理人 -
地址 100007北京市東城區(qū)后永康胡同17號593A室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了屬于序列圖像目標(biāo)跟蹤技術(shù)領(lǐng)域的基于尺度等變卷積孿生網(wǎng)絡(luò)的序列圖像目標(biāo)跟蹤方法。包括步驟1：對LSE?SiamRPN的網(wǎng)絡(luò)可學(xué)習(xí)參數(shù)進(jìn)行訓(xùn)練，確定網(wǎng)絡(luò)可學(xué)習(xí)參數(shù)的最優(yōu)值；步驟2：確定被跟蹤的目標(biāo)在第一幀圖像中的邊界框，將模板圖像輸入孿生子網(wǎng)絡(luò)的模板分支，提取目標(biāo)的原始尺度特征；步驟3：輸入下一幀圖像，將搜索區(qū)域輸入孿生子網(wǎng)絡(luò)的搜索分支，提取搜索區(qū)域的多尺度特征；步驟4：將目標(biāo)的原始尺度特征和搜索區(qū)域的多尺度特征進(jìn)行深度互相關(guān)，再以多通道響應(yīng)圖作為邊界框回歸子網(wǎng)絡(luò)的輸入，得到目標(biāo)的邊界框；再轉(zhuǎn)到步驟3。本發(fā)明提升了目標(biāo)與背景間相似性度量學(xué)習(xí)的準(zhǔn)確性，增強(qiáng)了對目標(biāo)大小變化的適應(yīng)能力。