基于对比学习的单目标跟踪方法技术

本发明专利技术公开基于对比学习的单目标跟踪方法，具体为：获取跟踪视频，选取目标区域，将目标区域Z<subgt;1</subgt;输入到特征提取网络中，得到深度特征；将截取目标区域后的剩余图片补充完全，送入特征提取网络中处理，得到深度特征；获取文本特征，为每一帧图像配置一段文字，利用特征提取网络对文字进行编码，得到编码文本特征；将图像和编码文本特征通过集合的方式构成判别与定位亲和矩阵；将亲和矩阵中主对角线上的元素作为正样本集合，其余元素作为负样本集合，并结合亲和矩阵计算检测与定位损失。本发明专利技术通过使用对比学习的方式，使得网络能够更好地应对模板图像不可靠的情况，有效解决了因模板不可靠而引起的跟踪失败问题。

【技术实现步骤摘要】

本专利技术属于视频单目标跟踪，具体涉及基于对比学习的单目标跟踪方法。

技术介绍

1、单目标跟踪的主要内容是在给定某视频序列初始帧中目标的信息，在后续帧中预测出该目标的位置及大小等关键信息。单目标跟踪广泛应用于视频监控、智能交通、人机交互、医学诊断等多个领域，具有重要的理论研究价值和工程应用价值。

2、目标跟踪任务与检测任务不同，跟踪任务要求对视频序列中的每一帧中所包含的待跟踪目标进行尽可能精确的跟踪，目标跟踪任务当前比较主流的方法可分为两类，一类是基于孪生网络的目标跟踪方法，另一类是基于transformer算法的目标跟踪方法。孪生网络结构的主要思想是通过构建两个共享权重的子网络来处理目标跟踪任务。这两个子网络分别接受目标的初始帧和后续帧作为输入，并提取它们的特征表示。通过度量学习方法，比较这两个特征表示的相似性，以确定目标在后续帧中的位置。该网络过去主要用来计算图像、声音、文本等信息的相似性。孪生网络目标跟踪实际上是相似性学习的过程。基于transformer算法的单目标跟踪方法借鉴了自然语言处理领域的成功。将目标跟踪任务转化为序列建模问题，本文档来自技高网...

【技术保护点】

1.基于对比学习的单目标跟踪方法，其特征在于，具体按照以下步骤实施：

2.如权利要求1所述的基于对比学习的单目标跟踪方法，其特征在于，所述步骤1中，具体为：

3.如权利要求2所述的基于对比学习的单目标跟踪方法，其特征在于，所述步骤2中，具体为：

4.如权利要求3所述的基于对比学习的单目标跟踪方法，其特征在于，所述步骤3中，具体为：

5.如权利要求4所述的基于对比学习的单目标跟踪方法，其特征在于，所述步骤4中，具体为：

6.如权利要求5所述的基于对比学习的单目标跟踪方法，其特征在于，所述步骤5中，从亲和矩阵中采集正样本集合和负样本...

【技术特征摘要】

1.基于对比学习的单目标跟踪方法，其特征在于，具体按照以下步骤实施：

2.如权利要求1所述的基于对比学习的单目标跟踪方法，其特征在于，所述步骤1中，具体为：

3.如权利要求2所述的基于对比学习的单目标跟踪方法，其特征在于，所述步骤2中，具体为：

4.如权利要求3所述的基于对比学习的单目标跟踪方法，其特征在于，所述步骤3中，具体为：...

【专利技术属性】
技术研发人员：刘龙，胡平俨，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：