一种多通道图像特征融合的高速相关滤波目标追踪方法技术

本发明专利技术公开了一种多通道图像特征融合的高速相关滤波目标追踪方法，包括以下步骤：步骤1：构建红外和可见光图像融合网络的训练数据集；步骤2：使用图像融合网络对红外图像和可见光图像进行融合；步骤3：目标区域检测。这种多通道图像特征融合的高速相关滤波目标追踪方法采用卷积神经网络提取对象特征，采用迭代馈入的方式，保证了卷积神经网络提取的特征信息在传输的过程中不被丢失，加强了网络之间的信息流通性，可以去除无用的特征，保证了目标跟踪的性能，提高了准确性和效率。提高了准确性和效率。提高了准确性和效率。

【技术实现步骤摘要】
一种多通道图像特征融合的高速相关滤波目标追踪方法


[0001]本专利技术涉及计算机视觉领域中的目标跟踪，尤其涉及一种多通道图像特征融合的高速相关滤波目标追踪方法。

技术介绍

[0002]目标跟踪是计算机视觉领域极具挑战的任务之一，在过去的几年中，由于深度神经网络的兴起，目标跟踪取得显著的进展。但与此同时，追踪的模型变得越来越庞大和昂贵，例如最新的跟踪模型SiamRPN++和Ocean的模型参数分别为11.2MB 和25.9MB，实现了最先进的性能；但庞大的模型参数和昂贵的计算成本阻碍了目标追踪模型再显示世界应用中的部署，例如相机无人机、工业机器人和辅助驾驶系统，这些模型的尺寸和效率都受到了高度的限制。
[0003]目前，解决模型的复杂性和效率的问题有两种简单的方法，一种是模型压缩，另外一种是紧凑模型设计。现有的模型压缩技术有剪枝和量化，可以降低模型的复杂性，但是由于模型压缩导致信息的丢失，不可避免的降低了模型的性能。另一方面，手工设计规则形成紧凑的模型工程成本昂贵，严重的依赖人类的专业知识和经验，并且大多数跟踪器使用手工制作的特征来描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多通道图像特征融合的高速相关滤波目标追踪方法，其特征是，包含以下步骤：步骤 1：构建红外和可见光图像融合网络的训练数据集，具体的：步骤 1.1、使用红外相机和可见光相机对不同的场景进行图像采集，得到大量的红外图像和可见光图像；步骤 1.2、对步骤1.1采集到的数据集进行筛选，得到一一对应的红外和可见光图像对；步骤 1.3、对红外图像和可见光图像进行配准，使红外图像和可见光图像能够像素点对应；步骤 1.4、将步骤1.3得到的图像对与现行的公开数据库进行结合，增大数据集的量级；步骤 2：使用图像融合网络对红外图像和可见光图像进行融合，具体的:步骤 2.1、将步骤1.4得到的红外和可见光图像对输入网络；步骤 2.2、设置网络的训练参数，如学习率、训练的批次大小以及训练的迭代次数；步骤 2.3、训练网络对图像进行粗糙特征的提取；步骤 2.4、训练网络的EB（编码器块）对图像的深层特征进行提取，并进行迭代馈入；步骤 2.5、特征相加网络对步骤2.4得到的...

【专利技术属性】
技术研发人员：李璐，胡浩锦，王伟良，
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：