【技术实现步骤摘要】
基于交并比覆盖率损失与重定位策略的目标匹配方法
本专利技术涉及一种目标匹配方法，具体是指基于交并比覆盖率损失与重定位策略的目标匹配方法。
技术介绍
目标匹配是计算机视觉中的一个常见问题，其目的是寻找特定目标对象在整个视野中的位置，被广泛应用于目标追踪、物体定位、机器人视觉感知等领域。目前目标匹配常用的思路有两种，一种是采用只关注候选区域与目标对象像素信息的相似度而不关注语义的模板匹配方法，该方法在遮挡、非刚性变换、光照、背景变化和尺度变化的影响下表现不佳；另一种是利用实例模板的语义信息进行目标匹配的实例检测方法，但这种方式需要一系列实例级别的模板(无背景干扰下的目标对象轮廓图)，实际应用中成本较高。现有的目标匹配方法在目标追踪、物体定位、机器人视视觉感知等对算法的定位精度、可靠性和鲁棒性要求较高的领域还远不能满足需求。为解决上述问题，本专利技术提出了一种新型实用目标匹配框架。通过研究不同的候选区域回归策略，设计了一种新的损失函数称为交并比覆盖率损失，获得比以往目标匹配方法更高的匹配精度；此外通过分析误检和匹配...
【技术保护点】
1.基于交并比覆盖率损失与重定位策略的目标匹配方法，其特征在于，包括以下步骤：/n步骤一：利用交并比覆盖率损失训练候选区域提取器，候选区域提取器从输入的场景图像中提取带有位置与置信度信息的候选区域；/n步骤二：特征提取器对输入的目标图像进行特征提取；/n步骤三：利用候选区域验证策略，将不匹配的候选区域筛除，获得目标区域的粗定位位置；/n步骤四：目标区域调整模块通过对目标区域的尺度与位置调整获得目标感兴趣区域，并利用重定位策略在目标感兴趣区域内获取目标区域的精定位位置。/n
【技术特征摘要】
1.基于交并比覆盖率损失与重定位策略的目标匹配方法，其特征在于，包括以下步骤：
步骤一：利用交并比覆盖率损失训练候选区域提取器，候选区域提取器从输入的场景图像中提取带有位置与置信度信息的候选区域；
步骤二：特征提取器对输入的目标图像进行特征提取；
步骤三：利用候选区域验证策略，将不匹配的候选区域筛除，获得目标区域的粗定位位置；
步骤四：目标区域调整模块通过对目标区域的尺度与位置调整获得目标感兴趣区域，并利用重定位策略在目标感兴趣区域内获取目标区域的精定位位置。
2.如权利要求1所述的基于交并比覆盖率损失与重定位策略的目标匹配方法，其特征在于，所述步骤一具体为：
Setp1：利用交并比覆盖率损失训练候选区域提取器，候选区域提取器是一种卷积神经网络；交并比覆盖率损失是距离约束项、交并比覆盖率项和形状约束项三项组成的一种损失函数；
所述交并比覆盖率损失定义为：
所述距离约束项定义为：
其中，bpr与bpl是候选区域的右下角点与左下角点，bgr与bgl是目标对象的右下角与左上角，ρ(·)是欧几里得距离，c是覆盖目标对象与候选区域的最小矩形封闭区域的对角线长度；
所述交并比覆盖率项定义为：
其中，Bpb与Bgt分别是候选区域与目标对象，α是交并比覆盖率的权重参数；
所述形状约束项定义为：
其中，w与h是目标对象的宽与长，wgt与hgt是候选区域的宽与长；
Step2：根据所述Step1所得的候选区域提取器对输入的场景图像进行候选区域提取，得到一系列带有位置与置信度信息的候选区域。
3.如...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。