一种基于多级特征提取器的具有自恢复力的目标跟踪方法技术

本发明专利技术公开了一种基于多级特征提取器的具有自恢复力的目标跟踪方法，其特征是，利用特征提取网络和多尺度特征金字塔网络从输入的图像或视频中提取特征，然后根据学习到的特征生成密集的边界框和分类分数进行非最大抑制操作，生成最终结果。这种基于多级特征提取器的具有自恢复力的目标跟踪方法通过使用多级特征提取器所提取的多尺度特征构建图像特征金字塔，用于缓解追踪目标尺度变化所产生的问题，具有较高的目标识别准确率和较快的目标跟踪速度，且鲁棒性较强，具有自恢复力，在目标跟踪和视频监控等领域具有较高的应用价值。跟踪和视频监控等领域具有较高的应用价值。跟踪和视频监控等领域具有较高的应用价值。

【技术实现步骤摘要】
一种基于多级特征提取器的具有自恢复力的目标跟踪方法


[0001]本专利技术涉及计算机视觉领域，尤其涉及一种基于多级特征提取器的具有自恢复力的目标跟踪方法。

技术介绍

[0002]目标跟踪是计算机视觉领域的研究热点，在云端跟踪、无人机飞行器、智能目标跟踪和智能交通等领域具有较高的应用价值。在现实应用中，由于被跟踪的物体与跟踪设备总是处于相对运动的过程之中，所以被跟踪目标在采集图像中的尺度大小总是在进行变化，剧烈的变化通常导致算法的检测率变低，影响目标跟踪。

技术实现思路

[0003]本专利技术所要解决的技术问题是，提供一种基于多级特征提取器的具有自恢复力的目标跟踪方法，能够缓解追踪目标尺度变化所产生的问题。
[0004]为了解决上述技术问题，本专利技术是通过以下技术方案实现的：一种基于多级特征提取器的具有自恢复力的目标跟踪方法，其特征是，利用特征提取网络（VGG）和多尺度特征金字塔网络从输入的图像或视频中提取特征，然后根据学习到的特征生成密集的边界框和分类分数进行非最大抑制操作，生成最终结果。
[0005]进一步地，所述特征提取网络由特征融合模块、U形模块和多尺度特征重组网络组成；所述特征融合模块由特征融合模块1和特征融合模块2组成，所述特征融合模块1通过融合主干的特征映射将语义信息丰富为基础特征（VGG）；所述U形模块具有三组，每组 U 形模块生成一组多尺度特征，生成的多尺度特征分别交替联合 U 形模块和特征融合模块2提取多层次多尺度特征。
[0006]进一步地，所述多尺度特征重组网络通过对多层次多尺度特征拼接操作和自适应注意机制将特征聚合成多尺度特征金字塔，最终通过目标检测网络进行检测输出。
[0007]进一步地，所述多层次多尺度特征分别为浅层特征、中层特征和深层特征三种多尺度特征。
[0008]与现有技术相比，本专利技术的有益之处在于：这种基于多级特征提取器的具有自恢复力的目标跟踪方法通过使用多级特征提取器所提取的多尺度特征构建图像特征金字塔， 用于缓解追踪目标尺度变化所产生的问题，具有较高的目标识别准确率和较快的目标跟踪速度，且鲁棒性较强，具有自恢复力，在目标跟踪和视频监控等领域具有较高的应用价值。
附图说明
[0009]图1是本专利技术一种基于多级特征提取器的具有自恢复力的目标跟踪方法结构示意图。
具体实施方式
[0010]下面结合附图和具体实施方式对本专利技术进行详细描述。
[0011]图1所示一种基于多级特征提取器的具有自恢复力的目标跟踪方法，利用特征提取网络（VGG）和多尺度特征金字塔网络从输入的图像或视频中提取特征，然后根据学习到的特征生成密集的边界框和分类分数进行非最大抑制操作，生成最终结果。
[0012]具体地，所述特征提取网络由特征融合模块、U形模块和多尺度特征重组网络组成；所述特征融合模块由特征融合模块1和特征融合模块2组成，所述特征融合模块1通过融合主干的特征映射将语义信息丰富为基础特征（VGG）；所述U形模块具有三组，每组 U 形模块生成一组多尺度特征，生成的多尺度特征分别交替联合 U 形模块和特征融合模块2提取多层次多尺度特征，所述多层次多尺度特征分别为浅层特征、中层特征和深层特征三种多尺度特征；所述多尺度特征重组网络通过对多层次多尺度特征拼接操作和自适应注意机制将特征聚合成多尺度特征金字塔，最终通过目标检测网络进行检测输出。
[0013]这种基于多级特征提取器的具有自恢复力的目标跟踪方法通过使用多级特征提取器所提取的多尺度特征构建图像特征金字塔， 用于缓解追踪目标尺度变化所产生的问题，具有较高的目标识别准确率和较快的目标跟踪速度，且鲁棒性较强，具有自恢复力，在目标跟踪和视频监控等领域具有较高的应用价值。
[0014]需要强调的是：以上仅是本专利技术的较佳实施例而已，并非对本专利技术作任何形式上的限制，凡是依据本专利技术的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本专利技术技术方案的范围内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多级特征提取器的具有自恢复力的目标跟踪方法，其特征是，利用特征提取网络（VGG）和多尺度特征金字塔网络从输入的图像或视频中提取特征，然后根据学习到的特征生成密集的边界框和分类分数进行非最大抑制操作，生成最终结果。2.根据权利要求1所述的一种基于多级特征提取器的具有自恢复力的目标跟踪方法，其特征是，所述特征提取网络由特征融合模块、U形模块和多尺度特征重组网络组成；所述特征融合模块由特征融合模块1和特征融合模块2组成，所述特征融合模块1通过融合主干的特征映射将语义信息丰富为基础特征（VGG）；所述U形...

【专利技术属性】
技术研发人员：李璐，胡浩锦，邓维轩，
申请(专利权)人：苏州海裕鸿智能科技有限公司，
类型：发明
国别省市：