System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于视觉单目标跟踪领域,旨在基于给定目标模板对视频帧序列中的单目标进行跟踪,具体为一种基于孪生特征注入网络的视觉单目标跟踪方法。
技术介绍
1、视觉单目标跟踪主要是初始化视频序列第一帧中特定目标的状态(位置、尺度等),通过一系列算法对目标在后续帧中的轨迹和状态进行预测估计。视觉单目标跟踪融合了图像处理、模式识别、人工智能、自动控制等多个领域,在安防监控、智能交通、自动驾驶、人机交互、自主机器人、运动、海洋探索等领域有着广阔的应用前景。
2、现有的视觉单目标跟踪技术主要有两种:基于相关滤波的视觉单目标跟踪和基于孪生网络的视觉单目标跟踪。基于相关滤波的视觉单目标跟踪在跟踪过程中主要利用相关滤波器计算目标模板和搜索区域之间的相似度确定目标位置。虽然这种方法有较快的实时速度,且针对亮度、尺寸和形状等不严格的变形具有很好的鲁棒性,但是存在准确度低等缺点。基于孪生网络的视觉单目标跟踪方法自提出以来受到研究学者们的广泛关注。siamfc(fully-convolutional siamese networks)方法首次将孪生网络引入视觉单目标跟踪领域,把视觉单目标跟踪问题转化为图像匹配问题,通过选择与目标模板最相似的候选目标,实现对目标的跟踪。模型的两个输入分别为目标模板和搜索区域,其中目标模板是视频第一帧选定的跟踪目标,跟踪期间目标模板不进行更新;搜索区域一般是在当前帧中以前一帧目标所在位置为中心选出的固定尺寸大小的区域。
3、在搜索区域中,通常用矩形框标记目标,矩形框称为候选框,而被标记的目标称为候选目标
技术实现思路
1、本专利技术要解决的问题是:在基于孪生网络的视觉单目标跟踪方法中,尽管现有的跟踪方法无论在准确率还是运行速度上都取得了较大的进步,但是这些方法在面对复杂多变的背景环境及目标运动变化时,不能及时地调整候选框的计算策略,导致目标跟踪的准确率降低,且对于候选框的选择缺乏灵活性,导致目标跟踪的鲁棒性降低。
2、为了解决上述问题,本专利技术提供了一种基于孪生特征注入网络的视觉单目标跟踪方法。该方法包括以下步骤:
3、1)该方法以目标模板和视频帧序列作为输入,并在当前帧中以前一帧目标所在位置为中心选出固定尺寸大小的区域作为搜索区域;
4、2)使用深度残差神经网络resnet50对目标模板和搜索区域提取特征,均分别保留网络后三层conv3,conv4和conv5输出的特征作为目标模板特征和搜索区域特征,其中每一层输出的是一组目标模板特征和搜索区域特征,共三组;
5、3)分别将每组目标模板特征和搜索区域特征作为相似性捕捉特征融合模块的输入,依次对三组目标模板特征和搜索区域特征中的搜索区域特征进行增强,而目标模板特征均不变,因此相似性捕捉特征融合模块的输出为三组目标模板特征和增强后的搜索区域特征;
6、4)然后,将三组目标模板特征和增强后的搜索区域特征输入盒适应网络模块,输出初步分类结果和初步回归结果;
7、5)基于得到的初步分类结果和初步回归结果,在搜索区域中生成多个候选目标,并可在增强后的搜索区域特征中找出其对应特征,作为候选目标特征;
8、6)将目标模板特征和多个候选目标特征输入关联性感知模块,依次计算目标模板特征和每个候选目标特征之间的关联性得分;
9、7)分别将每个关联性得分和其对应候选目标的初步分类结果相乘,作为该候选目标的分类结果;
10、8)最后,选取分类结果最高的候选目标作为跟踪目标。
11、本专利技术的优点是:首先,本专利技术提出了相似性捕捉特征融合模块,解决了复杂背景环境下上下文信息丢失问题;其次,本专利技术提出了关联性感知模块,解决了分类结果和回归结果相互独立计算的问题。综合来看,本专利技术提出的视觉单目标跟踪方法,解决了过去基于孪生网络的视觉单目标跟踪方法在面对复杂背景环境和众多干扰物影响下,目标易跟丢或目标标记不完全的问题。
本文档来自技高网...【技术保护点】
1.基于孪生特征注入网络的视觉单目标跟踪方法,其特征在于,对给定的目标模板和视频帧序列,进行如下操作:
2.根据权利要求1所述的基于孪生特征注入网络的视觉单目标跟踪方法,其特征在于,所述步骤3)中相似性捕捉特征融合模块具体为:
3.根据权利要求1所述的一种基于孪生特征注入网络的视觉单目标跟踪方法,其特征在于,所述步骤4)中的盒适应网络模块具体为:
4.根据权利要求1所述的一种基于孪生特征注入网络的视觉单目标跟踪方法,其特征在于,所述步骤6)中关联性感知模块具体为:
5.根据权利要求1所述的一种基于孪生特征注入网络的视觉单目标跟踪方法,其特征在于,所述步骤7)中得到每个候选目标的分类结果具体为:
6.根据权利要求1所述的一种基于孪生特征注入网络的视觉单目标跟踪方法,其特征在于,所述步骤8)中选取分类结果最高的候选目标作为跟踪目标具体为:
【技术特征摘要】
1.基于孪生特征注入网络的视觉单目标跟踪方法,其特征在于,对给定的目标模板和视频帧序列,进行如下操作:
2.根据权利要求1所述的基于孪生特征注入网络的视觉单目标跟踪方法,其特征在于,所述步骤3)中相似性捕捉特征融合模块具体为:
3.根据权利要求1所述的一种基于孪生特征注入网络的视觉单目标跟踪方法,其特征在于,所述步骤4)中的盒适应网络模块具体为:
4.根据权利要求...
【专利技术属性】
技术研发人员:付利华,张梓通,刘雯雯,于嘉航,
申请(专利权)人:北京工业大学,
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。