一种孪生网络目标跟踪系统及方法技术方案

本发明专利技术公开了计算机视觉目标跟踪技术领域的一种孪生网络目标跟踪系统及方法，包括：获取输入特征图；基于输入特征图进行卷积拆分，得到多个特征子图；基于多个特征子图进行卷积融合，得到分支特征图；基于分支特征图进行特征融合，得到输出向量；基于输出向量进行升维处理，得到升维特征图；基于升维特征图进行分类分支，得到分类图、回归图和中心度图。本发明专利技术能够能够有效解决主干网络特征提取能力弱、深层语义信息较浅、分类回归方式复杂等问题，提出了一种全新的端到端的深度模型，有效提升了方案跟踪性能。提升了方案跟踪性能。提升了方案跟踪性能。

【技术实现步骤摘要】
一种孪生网络目标跟踪系统及方法


[0001]本专利技术涉及一种孪生网络目标跟踪系统及方法，属于计算机视觉目标跟踪


技术介绍

[0002]目标跟踪是计算机视觉领域的一个重要分支，在视频监控、自动驾驶、人机交互等领域有着广泛的应用前景。目标跟踪算法通过给定视频序列第一帧目标位置信息，对后续的每一帧目标的位置进行自动估计。然而，在复杂的现实场景下，跟踪过程会受到相似物干扰、光照变化、尺度变化、遮挡形变、低分辨率等因素的干扰，因此设计一个在现实场景下高效运行的跟踪算法是一项艰巨的任务。
[0003]近些年来，随着深度学习技术的日趋成熟，其在诸多领域应用广泛。在跟踪领域，基于深度学习的孪生网络跟踪算法逐渐流行起来，其利用端到端的孪生网络结构将跟踪问题转化为相似性学习问题。Bertinetto等人基于上述思想提出全卷积孪生网络跟踪算法(SiamFC)，相比较其他类型算法，其在速度与精度之间取得了较好地均衡。此后在SiamFC基础上衍生了一系列优秀的孪生网络跟踪算法。SiamRPN将跟踪问题看作成一个二阶段问题，使用边界框回归代替多尺度搜索本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种孪生网络目标跟踪方法，其特征是，包括：获取输入特征图；基于输入特征图进行卷积拆分，得到多个特征子图；基于多个特征子图进行卷积融合，得到分支特征图；基于分支特征图进行特征融合，得到输出向量；基于输出向量进行升维处理，得到升维特征图；基于升维特征图进行分类分支，得到分类图、回归图和中心度图。2.根据权利要求1所述的孪生网络目标跟踪方法，其特征是，基于输入特征图进行卷积拆分，得到多个特征子图，包括：采用1
×
1卷积将输入特征图拆分成多个特征子图。3.根据权利要求2所述的孪生网络目标跟踪方法，其特征是，基于多个特征子图进行卷积融合，得到分支特征图，包括：将每个特征子图与上一个特征子图经过卷积输出的和作为该子图对应的输入进行3
×
3卷积；将经过3
×
3卷积后的多个特征子图进行拼接；基于拼接后的特征子图通过1
×
1卷积融合，得到模板分支与搜索分支的特征图。4.根据权利要求3所述的孪生网络目标跟踪方法，其特征是，所述模板分支将视频序列第一帧作为模板区域搜索分支将随后的每一帧作为搜索区域模板区域和搜索区域经过特征提取模块后得到特征图大小分别为和其中C为通道数，其中，H
x0
和W
x0
是搜索区域的长和宽，H
z0
和W
z0
是模板区域的长和宽。5.根据权利要求3所述的孪生网络目标跟踪方法，其特...

【专利技术属性】
技术研发人员：卢先领，汪强，
申请(专利权)人：江南大学，
类型：发明
国别省市：