【技术实现步骤摘要】
本专利技术属于目标跟踪，具体涉及一种基于尺度和位置分离的多尺度目标跟踪方法及系统。
技术介绍
1、单目标跟踪属于计算机视觉中的一个重要方向，在研究和实际应用领域都有极大的需求。在一般实际需求下，实际单目标跟踪任务都属于长时间跟踪，跟踪时长在几十秒甚至在数分钟及以上，要求在这段时间需要对目标保持稳定跟踪。同时跟踪任务也面临许多困难。近年来，基于孪生网络的一系列算法在单目标跟踪领域得到了广泛引用，例如siamfc，siamrpn，siamrpn++等。基本基于孪生网络架构，使用alexnet、resnet等网络作为骨架，同时由于模型和算法框架问题，基本只用简单的线性模板更新方案。
2、然而，现有的基于孪生网络的算法还存在以下问题：一方面，由于跟踪任务一般针对的常见类目标(如：人，车，飞机等)的尺度会随着目标与观察者之间的距离变化而变化，此外还会出现目标旋转、翻转等形变问题，基于孪生网络的算法采用的简单线性模板更新手段不能够很好的应对目标尺度变化以及目标形变等问题，当目标的尺度变化较大时，跟踪结果会迅速失准，同时在变化的过程中，跟...
【技术保护点】
1.一种基于尺度和位置分离的多尺度目标跟踪方法，其特征在于，包括：
2.根据权利要求1所述的基于尺度和位置分离的多尺度目标跟踪方法，其特征在于，所述多尺度网络包括三个不同的输出尺度。
3.根据权利要求1所述的基于尺度和位置分离的多尺度目标跟踪方法，其特征在于，所述多尺度网络采用DarkNet53网络架构。
4.根据权利要求1所述的基于尺度和位置分离的多尺度目标跟踪方法，其特征在于，步骤2中，在将所述模板图像输入多尺度网络中进行特征提取之前，还包括：
5.根据权利要求1所述的基于尺度和位置分离的多尺度目标跟踪方法，其特征在...
【技术特征摘要】
1.一种基于尺度和位置分离的多尺度目标跟踪方法，其特征在于，包括：
2.根据权利要求1所述的基于尺度和位置分离的多尺度目标跟踪方法，其特征在于，所述多尺度网络包括三个不同的输出尺度。
3.根据权利要求1所述的基于尺度和位置分离的多尺度目标跟踪方法，其特征在于，所述多尺度网络采用darknet53网络架构。
4.根据权利要求1所述的基于尺度和位置分离的多尺度目标跟踪方法，其特征在于，步骤2中，在将所述模板图像输入多尺度网络中进行特征提取之前，还包括：
5.根据权利要求1所述的基于尺度和位置分离的多尺度目标跟踪方法，其特征在于，步骤3中，在将当前帧搜索图像输入所述多尺度网络中进行特征提取之前，还包括：
6.根据权利要求1所述的基于尺度和位置分离的多尺度目标跟踪方法，其特征在于，在步骤4中，所述位置估计...
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。