【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种轻量级单目标长时间跟踪方法及微纳无人机。
技术介绍
1、目标跟踪是计算机视觉中的一项基本任务。目标跟踪算法分为短时跟踪算法和长时跟踪算法。对于微纳型无人机来说，室内或室外的长时跟踪算法实际应用性更强。长时跟踪通常伴随目标可能会消失一长段时间并以任意尺寸在任意位置重新出现，目标需要跟踪算法在一个局部区域内追踪目标并在整个图像上重检测目标，当前相关的研究工作较少。虽然短期跟踪算法发展较好，但是短期跟踪算法由于模板污染、长期的定位误差积累以及缺乏解决目标消失问题的重新检测能力，在长期场景中更容易发生漂移和失效。
2、对于长时跟踪来说，外感模型的辨别能力至关重要。在跟踪过程中，目标可能会遭遇严重的形变、部分遮挡等挑战。同时，长时间内的误差累积将更加明显，因此故障发生的概率可能高于短期跟踪。
3、现有的一些工作探索了跟踪更新策略，以减少模板污染，增强对特定序列的适应性和辨别能力。为了减少错误累积，ltmu尝试使用历史跟踪线索来训练元更新器网络以预测当前帧是否适合更新。memtrack利用存...
【技术保护点】
1.一种轻量级单目标长时间跟踪方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：确定匹配失败，确定所述跟踪目标在当前帧中不存在或者所述跟踪目标消失，继续获取下一帧图像，从所述下一帧图像中查找所述存在的目标。
3.根据权利要求1所述的方法，其特征在于，所述将匹配成功的目标作为所述跟踪目标并持续跟踪，包括：
4.根据权利要求3所述的方法，其特征在于，所述将匹配成功的目标作为所述跟踪目标并持续跟踪，还包括：
5.根据权利要求3所述的方法，其特征在于，在获得当前所述跟踪目标的目标特征之后，在根据所述当前...
【技术特征摘要】
1.一种轻量级单目标长时间跟踪方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：确定匹配失败，确定所述跟踪目标在当前帧中不存在或者所述跟踪目标消失，继续获取下一帧图像，从所述下一帧图像中查找所述存在的目标。
3.根据权利要求1所述的方法，其特征在于，所述将匹配成功的目标作为所述跟踪目标并持续跟踪，包括：
4.根据权利要求3所述的方法，其特征在于，所述将匹配成功的目标作为所述跟踪目标并持续跟踪，还包括：
5.根据权利要求3所述的方法，其特征在于，在获得当前所述跟踪目标的目标特征之后，在根据所述当前所述跟踪目标的目标特征，对跟踪目标的匹配模板进行更新之前，还包括：
6.根据权利要求5所述的方法，其特征在于，所述对所述当前帧的图像进行偏移校正处理，具体包括：
7.根据权利要求3所述的方法，其特征在于，所述跟踪目标检测神经网络模型，生成方法包括：
8.根据权利要求7所述的方法，其特征在于，所述对目标检测深度神经网络参数进行随机初始化并进行有监督的训练，获得所述目标检测深度神经网络，具体包括：
9.根据权利要求8所述的方法，其特征在于，所述前向传播阶段，具体包括：
10.根据权利要求8所述的方法，其特征在于，所述反向传播阶段，包括：
11.根据权利要求10所述的方法，其特征在于，所述采用梯度下降法对所述目标检测深度神经网络的参数交替更新，具体包括：
【专利技术属性】
技术研发人员：尤政，史慧宇，戴宇翔，纪兴龙，浦一雯，丁皓伦，韩毓，邢飞，鲁文帅，
申请(专利权)人：启元实验室，
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。