一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法技术

本发明专利技术请求保护一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法(BASNet)，包括以下步骤：首先，针对现有特征提取网络未能充分利用图像特征的问题，提出了一个双特征融合模块，将骨干网提取的第二层低级特征和第五层高级特征充分融合，该模块能够增强模型利用有效特征信息处理相似背景干扰的能力；其次，设计了注意力焦点模块来计算特征之间的相似性，并生成适当的权重来调整特征的重要性；最后，针对现有损失函数在回归过程中无法获得准确的位置信息的问题，本发明专利技术在回归分支中使用了新的损失函数(SIOU)，在训练过程中优化了模型的收敛性，并且能够更好地预测边界框和实际边界框之间的空间相关性，进一步提升了跟踪的准确性。

【技术实现步骤摘要】

本专利技术属于计算机视觉，具体涉及一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法。

技术介绍

1、目标跟踪作为图像处理领域一大基础任务，它通过对比视频序列第一帧提供的目标图形，与后续帧中感兴趣区域中的对象的相似性进行对比，实现对任意目标的跟踪，包括行人、车辆、飞行物体，这使得它被广泛应用于，自动驾驶、人机交互、军事雷达领域。不幸的是，当遇到复杂场景时，大多数跟踪器的跟踪效果都会受到很大影响。这些复杂因素中包括与目标外观相似的干扰物，与目标纹理相似的背景。在目标跟踪任务中，可能存在其他与在外观、颜色或纹理特征与目标相似的物体，这样会导致跟踪算法将这些干扰物体误认为目标。因此在复杂背景下实现精确跟踪仍然被认为是一个具有挑战性的研究目标。

2、得益于快速傅里叶变换，基于相关滤波的跟踪算法能够在较短的时间内完成相关性计算，因此成为目标跟踪中一个经典的算法。近年来，许多研究工作致力于改进基于相关滤波的跟踪算法，以应对复杂背景等挑战。如asrcf、cacf、gfsdcf等方法。这些基于相关滤波器的跟踪方法使用在线更新策略来应对目标的外观变化。然而，如果本文档来自技高网...

【技术保护点】

1.一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法，其特征在于，所述步骤1生成训练数据具体包括以下步骤：

3.根据权利要求1所述的一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法，其特征在于，所述步骤2生成图像特征，具体流程如下：

4.根据权利要求3所述的一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法，其特征在于，所述步骤2中注意力焦点模块包含步骤如下：

5.根据权利要求4所述的一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法...

【技术特征摘要】

1.一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法，其特征在于，所述步骤1生成训练数据具体包括以下步骤：

3.根据权利要求1所述的一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法，其特征在于，所述步骤2生成图像特征，具体流程如下：

4.根据权利要求3所述的一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法，其特征在于，所述步骤2中注意力焦点模块包含步骤如下：

5.根据权利要求4所述的一种层次特征融合的抗背景干扰孪生网络单目标跟踪方法，其特征在于，所述步骤3中生成训练标签，具体步骤如下：

6.根据权利要求5所述的...

【专利技术属性】
技术研发人员：周丽芳，代静，李伟生，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：