一种自适应样本分配的IoU感知目标跟踪模型和方法技术

一种自适应样本分配的IoU感知目标跟踪模型和方法，属于目标跟踪技术领域。包括：输入为模板集、输出为模板集主干特征的第一特征提取器，输入为搜索集、输出为搜索集主干特征的第二特征提取器，含有判别式滤波器的在线学习分支，以及含有分类网络和回归网络的跟踪头网络；在线学习分支得到目标位置的在线学习得分C

【技术实现步骤摘要】
一种自适应样本分配的IoU感知目标跟踪模型和方法


[0001]本专利技术属于基于视频序列的目标跟踪
，具体涉及一种自适应样本分配的IoU感知目标跟踪模型和方法。

技术介绍

[0002]目标跟踪是计算机视觉领域的重要研究方向之一，其可以应用于视频序列中特定目标的行为分析，在人机交互、计算机辅助医疗、视频监控、无人驾驶等领域应用较为广泛。
[0003]在人机交互领域，通过对目标有效地识别及定位，为人性化、自动化的人机交互提供了研究基础，该类方法可以广泛应用在无人机、移动机器人、AR等设备，为用户的生活和工作提供了较大的便利同时也很好的提高了用户体验。因此，基于视觉目标跟踪的人机交互应用的研究具有较大的发展前景和应用价值。
[0004]在无人驾驶领域，高级驾驶辅助系统可以对驾驶车辆进行辅助，可以有效的避免驾驶员由于疲劳、视野盲区等潜在的交通事故时给出相关预警甚至进行安全的操作干预，这样可以有效地降低交通事故的危险概率。目标跟踪在智能驾驶领域有着重要的应用，其不仅可以弥补目标检测带来的漏检问题，而且可以描述出相关目标的运动轨迹，还本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应样本分配的IoU感知目标跟踪模型，其特征在于，所述模型包括：输入为模板集、输出为所述模板集主干特征的第一特征提取器，输入为搜索集、输出为所述搜索集主干特征的第二特征提取器，含有判别式滤波器的在线学习分支，以及含有分类网络和回归网络的跟踪头网络；所述在线学习分支的输入是所述第一特征提取器的一路输出和所述第二特征提取器的一路输出，通过在线学习得到所述判别式滤波器权重，得到目标位置的在线学习得分C
onl
；所述跟踪头网络包括两个PrPool模块，所述PrPool模块接受所述第一特征提取器的输出，生成池化特征，所述池化特征输入给两个连续的卷积层生成调制向量，所述调制向量与所述搜索集的主干特征按照逐通道相乘生成包含跟踪目标信息的相关特征，所述相关特征分别输入给所述分类网络和回归网络，所述分类网络得到IoU感知分类得分C
cls
，所述回归网络得到目标的回归偏移量R和中心度得分C
e
；将C
cls
、C
e
和C
onl
融合得到目标最终的分类得分，依据所述最终的分类得分确定目标的侯选位置，再结合所述回归偏移量R生成最终的跟踪目标框。2.如权利要求1所述的目标跟踪模型，其特征在于，所述第一特征提取器和第二特征提取器都使用深度残差网络Resnet
‑
50，所述模板集主干特征、搜索集主干特征都采用所述Resnet
‑
50的cov3_x和cov4_x的输出。3.如权利要求1所述的目标跟踪模型，其特征在于，在所述在线学习分支中，采用Transformer模型增强模板集和搜索集主干特征的上下文依赖关系，由所述Transformer模型编码的高质量模板集和搜索集图像特征输入到所述判别式滤波器中学习滤波器权重，将优化的滤波器权重作为卷积核与经所述Transformer模型的解码特征进行卷积，生成用于区分目标位置的在线学习得分C
onl
。4.如权利要求1所述...

【专利技术属性】
技术研发人员：张海军，杨凯，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：