一种基于自适应分层图注意力特征融合的目标跟踪方法技术

本发明专利技术的目的在于提供一种基于自适应分层图注意力特征融合的目标跟踪方法，具体方法是在轻量型网络ShuffleNet V2基础上，采用自适应特征图细化模块，通过学习多个卷积核的线性组合及其注意力，提升不同尺度特征的表达能力；采用分层图注意力模块，实现不同特征图之间对应局部信息的准确传递，以应对目标部分遮挡和目标形变等情况，从而保证跟踪的准确性和实时性。本发明专利技术可以平衡跟踪精度与速度的关系，同时降低目标部分遮挡和目标形变等情况对目标跟踪效果的影响。

【技术实现步骤摘要】

本专利技术属于机器学习、目标跟踪领域，涉及一种基于自适应分层图注意力特征融合的目标跟踪方法。

技术介绍

1、目标跟踪作为计算机视觉研究的基本问题之一，越来越受到人们的广 泛关注。目前，现有的基于深度学习的目标跟踪技术容易受到目标部分遮 挡和目标形变等因素的影响，导致跟踪精度有所下降。同时，随着网络的 规模越来越庞大，跟踪算法的时间复杂度和空间复杂度也随之增大，使得 在移动设备上部署跟踪算法的难度增大。因此，寻找一种高精度、轻量的跟踪方法是实际应用中亟需解决的问题之一。

2、现有的 siamese 网络跟踪算法，采用经典的卷积神经网络 alexnet 、 resnet50等，作为骨干网来提取鲁棒的视觉特征，并通过引入不同的功能 模块，有效提高了跟踪的准确性。但随之而来的问题是：随着网络规模的 增大，算法运行速度大幅下降，如果只用轻量型网络作为骨干网，尽管可 以提高算法的运行速度，却难以保证跟踪精度。此外，siamese 网络跟踪 算法对所有数据均采用相同的静态卷积核，忽略了数据之间的差异，同时， 该类算法将搜索区与模板区的特征作为整体进行相似度匹本文档来自技高网...

【技术保护点】

1.一种基于自适应分层图注意力特征融合的目标跟踪方法，其特征在于，所述方法是在轻量型网络ShuffleNet V2基础上，采用自适应特征图细化模块，通过学习多个卷积核的线性组合及其注意力，提升不同尺度特征的表达能力；采用分层图注意力模块，实现不同特征图之间对应局部信息的准确传递，以应对目标部分遮挡和目标形变等情况，从而保证跟踪的准确性和实时性，具体包括以下步骤:

2.其中，为模板分支中第阶段使用的第个卷积核，代表卷积核的个数，在模板分支第阶段，为第个卷积核的动态注意力，为第个卷积核的输入通道注意力权重，为第个卷积核的输出通道注意力权重，代表为第个卷积核分配的注意力权重，为动态...

【技术特征摘要】

1.一种基于自适应分层图注意力特征融合的目标跟踪方法，其特征在于，所述方法是在轻量型网络shufflenet v2基础上，采用自适应特征图细化模块，通过学习多个卷积核的线性组合及其注意力，提升不同尺度特征的表达能力；采用分层图注意力模块，实现不同特征图之间对应局部信息的准确传递，以应对目标部分遮挡和目标形变等情况，从而保证跟踪的准确性和实时性，具体包括以下步骤:

2.其中，为模板分支中第阶段使用的第个卷积核，代表卷积核的个数，在模板分支第阶段，为第个卷积核的动态注意力，为第个卷积核的输入通道注意力权重，为第个卷积核的输出通道注意力权重，代表为第个卷积核分配的注意力权重，为动态卷积核，表示沿着核空间不同维度的乘法运算，表示卷积操作；

3.其中，为搜索分支中第阶段使用的第个卷积核，代表卷积核的个数，在模板分支第阶段，为第个卷积核的动态注意力，代表第个卷积核的输入通道注意力权重，代表第个...

【专利技术属性】
技术研发人员：李娜，陈旭浩，樊耀夫，刘新宇，刘颖，王倩，甘玉泉，刘卫华，李大湘，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：