【技术实现步骤摘要】
本专利技术涉及视觉目标跟踪，具体涉及基于时空自适应响应惩罚策略的孪生目标跟踪器优化方法。
技术介绍
1、作为计算机视觉领域的一个基本研究方向，视觉目标跟踪技术旨在通过视频第一帧的目标状态预测整个视频序列的目标状态。因其在智能监控、自动驾驶和机器人感知等领域的广泛应用前景，这一技术受到越来越多研究者们的重点关注。在实际应用场景中，目标跟踪技术往往会面对目标外观变化和相似背景干扰等挑战。
2、当前的主流目标跟踪方法可以分为相关滤波方法和孪生网络方法两个类别，其中孪生网络方法因其在多个挑战性的大规模跟踪数据集上的卓越表现而逐渐受到更多研究者的青睐。典型的孪生网络目标跟踪器包含三个部分的组件：用于特征提取的骨架网络、用于模板和搜索区域之间信息交互的融合模块和用于目标状态估计的头部网络(一般包含用于前背景分类的分类分支和用于生成精确目标边界的回归分支)。
3、目标跟踪的关键在于区分前景与背景，从而确定目标所在位置。为了提升前景辨别能力，实现更加鲁棒的目标定位，当前基于孪生网络跟踪器的研究主要从三个方面对当前方法进行改进：(1)增加骨架网络的宽度和深度，以提高模型的表示能力，代表方法如swintrack、siamrpn++和tatrack等；(2)提供更加丰富的目标外观输入，以获得更加鲁棒的目标外观建模，代表方法如simtrack、tatrack和stark等；(3)改进融合模块的结构，以实现更充分的模板和搜索区域信息匹配，代表方法如transtrack和ostrack等。
4、诚然，这些措施在一定程度上
5、因此，针对目标外观匹配和建模的改进已经不再是高性价比的手段，需要从其他角度进一步提升目标跟踪的精度。
技术实现思路
1、有鉴于此，本专利技术提供了基于时空自适应响应惩罚策略的孪生目标跟踪器优化方法，能够通过对孪生网络目标跟踪器分类分支输出的分类响应图进行修正，提升孪生网络方法在强背景干扰场景中的跟踪稳定性。
2、为达到上述目的，本专利技术的技术方案包括如下步骤：
3、采用三个连续的操作构成对响应图的干扰波峰邻域的自适应惩罚策略，并将自适应惩罚策略应用在孪生目标跟踪器的分类器输出的分类响应图上；三个连续的操作包括：筛选波峰与激活惩罚，计算波峰惩罚因子，实施波峰邻域分级惩罚。
4、筛选波峰与激活惩罚操作，用于有效筛选出分类响应图中所有超出设定阈值的波峰以便于判断响应图的强干扰项分布情况，并根据筛选结果判断是否激活惩罚机制。
5、计算波峰惩罚因子操作，用于于根据响应图的时空分布信息，具体指根据每个波峰在响应图中的位置和响应图的时间域相对分类质量，生成针对每个波峰邻域的强度自适应惩罚因子。
6、实施波峰邻域分级惩罚操作，根据强度自适应惩罚因子在每个波峰邻域上施加分级惩罚，抑制以强干扰项为中心的局部区域，获得优化后的分类响应图。
7、进一步地，筛选波峰与激活惩罚操作，其具体过程如下，
8、获得分类响应图中的最大响应值max，并将响应分数大于max的一定比例的响应图元素作为波峰集合s的元素，即为潜在的背景干扰或目标；
9、获取s的具体表达式为：
10、
11、其中，thre是为预先设置的波峰筛选的阈值；
12、当集合s中存在超过一个元素时，则激活针对当前响应图的惩罚，否则跳过惩罚操作。
13、进一步地，计算波峰惩罚因子操作，其具体过程为，
14、对于集合s中的每个波峰分别计算对应的时空自适应惩罚因子，其中针对集合s中任一波峰sk，其对应的惩罚因子penaltyk的具体表达式为：
15、
16、其中tf表示当前响应图的时间域相对分类质量，dk表示波峰sk的波峰归一化距离；
17、针对集合s的每一个波峰均计算得到一个惩罚因子，以获得一个惩罚因子集合。
18、优选地，波峰sk的波峰归一化距离，具体表达式为：
19、
20、其中，dk表示波峰sk对应的波峰归一化距离，(xc，yc)表示响应图的中心位置，sz表示响应图的边长。
21、进一步地，计算波峰惩罚因子操作中的时间域相对分类质量的具体表达式为：
22、
23、其中，tf为时间域相对分类质量，apce是分类响应图的分类质量评估指标，mean(apce)表示历史apce的平均水平，apcen表示当前帧apce水平；tf的取值限定在[min，1]区间，min是一可调整的参数，其规定了tf的下限。
24、优选地，述实施波峰邻域分级惩罚操作，其具体过程为：
25、基于计算得到的波峰惩罚因子，波峰邻域分级惩罚操作对每个波峰和以该波峰为中心的局部区域分别施加不同强度的惩罚，具体表达式为：
26、regionk＝regionk×penaltyk
27、sk＝sk-0.6×(1-penaltyk)×sk
28、其中，regionk表示以波峰sk为中心的3×3局部区域；
29、类似的惩罚操作被应用集合s的所有波峰及其邻域上。
30、有益效果：
31、本专利技术提出了一种通用的分类响应图后处理策略，能够以极小的计算消耗为代价，有效提升目标定位的精度和鲁棒性；所提出的分类响应图后处理策略是基于现有孪生网络框架的跟踪流程和不同场景下响应图分布特征设计的，使得该策略可以一种即插即用的方式直接应用在孪生网络目标跟踪器上，而无需任何额外的离线训练或在线微调；通过引入波峰筛选和惩罚激活机制，使得惩罚策略能够有效感知到响应图中的所有陡峭波峰，同时避免逐帧处理带来的冗余计算消耗；通过引入波峰归一化距离，使得惩罚能够充分考虑到波峰的位置分布，从而实现可靠的响应重分配；通过引入时间域相对分类质量评估，使得惩罚强度能够随场景不同而自适应调节；通过波峰邻域分级抑制策略，干扰项及其所在的局部区域能够被充分抑制。最终，所提出的惩罚策略使得先进的孪生网络方法在多个富有挑战的数据集上实现了稳定的性能提升。
本文档来自技高网...【技术保护点】
1.基于时空自适应响应惩罚策略的孪生目标跟踪器优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于时空自适应响应惩罚策略的孪生目标跟踪器优化方法，其特征在于，所述的筛选波峰与激活惩罚操作，其具体过程如下，
3.根据权利要求1所述的基于时空自适应响应惩罚策略的孪生目标跟踪器优化方法，其特征在于，所述的计算波峰惩罚因子操作，其具体过程为，
4.根据权利要求3所述的基于时空自适应响应惩罚策略的孪生目标跟踪器优化方法，其特征在于，所述波峰sk的波峰归一化距离，具体表达式为：
5.根据权利要求3所述的基于时空自适应响应惩罚策略的孪生目标跟踪器优化方法，其特征在于，所述计算波峰惩罚因子操作中的时间域相对分类质量的具体表达式为：
6.根据权利要求5所述的基于时空自适应响应惩罚策略的孪生目标跟踪器优化方法，其特征在于，所述实施波峰邻域分级惩罚操作，其具体过程为：
【技术特征摘要】
1.基于时空自适应响应惩罚策略的孪生目标跟踪器优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于时空自适应响应惩罚策略的孪生目标跟踪器优化方法，其特征在于，所述的筛选波峰与激活惩罚操作，其具体过程如下，
3.根据权利要求1所述的基于时空自适应响应惩罚策略的孪生目标跟踪器优化方法，其特征在于，所述的计算波峰惩罚因子操作，其具体过程为，
4.根据权利要求3所述的基于...
【专利技术属性】
技术研发人员：白永强，王启明，陈杰，窦丽华，邓方，甘明刚，蔡涛，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。