一种基于孪生网络的目标跟踪模型去冗余方法技术

本发明专利技术公开了一种基于孪生网络的目标跟踪模型去冗余方法，先将模板帧和检测帧送入网络进行卷积特征提取生成对应的模板特征图和检测特征图，利用互相关操作分别对分类分支和回归分支进行模板匹配，得到匹配特征图。然后对区域建议网络优化，进行去冗余设计，最后得到响应特征图；本发明专利技术方法在未损失该部分网络功能的前提下，简化了网络结构，减少了网络参数，使得目标跟踪网络模型在训练和推断过程都节省了计算和内存开销。节省了计算和内存开销。节省了计算和内存开销。

【技术实现步骤摘要】
一种基于孪生网络的目标跟踪模型去冗余方法


[0001]本专利技术属于目标跟踪
，特别涉及一种基于孪生网络的目标跟踪模型的去冗余方法。

技术介绍

[0002]在目标跟踪领域，速度和精度是算法性能评价的两大核心指标。跟踪方法的应用需要在精度和速度上均衡提升，但是目前已有的跟踪方法大多侧重跟踪精度的提升，而忽略甚至牺牲跟踪速度的跟踪性能。
[0003]SiamRPN(Siamese region proposal network)算法是Li等人在2018年提出的一种实时目标跟踪算法，性能均衡优秀，受到学术界与工业界的青睐。SiamRPN的网络结构可分为如图1所示的左右两个部分：孪生网络和区域建议网络。其中孪生网络用于模板帧和检测帧的图像特征提取。区域建议网络分为两个分支：分类分支和回归分支。分类分支用于区分目标与背景，而回归分支则是为了得到更精确的目标大小与定位。孪生网络一般都是采用通用的特征提取网络如AlexNet，VGGNet等网络。
[0004]不论分类分支还是回归分支，其中都涉及到模板匹配的关键步骤。如图2所示，目标跟踪本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于孪生网络的目标跟踪模型去冗余方法，其特征在于：包括如下步骤步骤S1，将跟踪目标的视频帧序列中的首帧作为模板帧，后续帧作为检测帧，送入主干网络进行卷积特征提取生成对应的模板特征图z和检测特征图x；将模板特征图z作为区域建议网络中分类分支的输入，通过卷积层对模板特征图z进行映射，同时进行升维将通道数增加到2k，得到输出模板特征图其中k是预选不同长宽比的锚框个数；同时将检测特征图x作为输入，通过卷积层对检测特征图x进行映射，得到输出特征图将模板特征图z作为区域建议网络中回归分支的输入，通过卷积层对模板特征图z进行映射，同时进行升维将通道数增加到4k，得到输出模板特征图其中k是预选不同长宽比的锚框个数；同时将检测特征图x作为输入，通过卷积层对检测特征图x进行映射，得到输出特征图利用互相关操作分别对分类分支和回归分支进行模板匹配：利用互相关操作分别对分类分支和回归分支进行模板匹配：其中
★
表示相关操作，和分别表示以模板特征图和作为卷积核进行分组卷积操作得到的响应特征图；步骤S2，基于SiamRPN网络，在互相关的卷积运算中添加深度互相关模块，先将区域建议网络中上下并行的两个前端卷积层和一个深度互相关模块作为匹配模块，找到响应特征图两和中相似特征，再通过区域建议网络中的维度映射模块进行1
×
1卷积维度的特征图映射，分别实现前后景分类以及目标坐标回归；步骤S3，对SiamRPN结构的并行分支去冗余，将区域建议网络中的互相关模块及其前端卷积层记作匹配模块，1
×
1卷积层记作维度映射模块，将匹配模块以及维度映射模块进行网络结构共用，将孪生网络的模板特征和检测特征输出相关特征图得到共有匹配的信息，然后将特征图分别送入区域建议网络中的分类分支和回归分支进行特征图维度映射；步骤S4，对共用的匹配模块以及维度映射模块精简...

【专利技术属性】
技术研发人员：张智杰，刘松，韩根甲，石毅，
申请(专利权)人：华中光电技术研究所中国船舶集团有限公司第七一七研究所，
类型：发明
国别省市：