基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法制造技术

本发明专利技术公开了一种基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法，包括：将相邻的两帧视频图像均依次通过共享权重的骨干网络、空间残差特征金字塔网络、全局‑局部注意力融合模块处理，分别对应得到两个视频帧的特征图；将两个特征图的特征映射在通道维度上进行拼接，获得联合特征图；对联合特征图分别进行目标分类处理和身份确认处理，对应输出目标分类得分矩阵和身份确认得分矩阵；将两个矩阵与联合特征图进行逐元素相乘，并通过注意力机制后输出相邻帧中每个目标的成对检测框；通过角动量机制对成对检测框进行数据关联，得到多目标跟踪结果。本发明专利技术能够提炼丰富的多尺度特征、强化对目标区域的专注度，有效提升目标匹配的精确度与效率。

【技术实现步骤摘要】

本专利技术涉及多目标跟踪，更具体的说是涉及基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法。

技术介绍

1、多目标跟踪(multi-object tracking,mot)是计算机视觉中最基本但也最具挑战性的任务之一,旨在估计视频序列中多个目标的位置和尺度，广泛应用于智能驾驶、人机交互以及行人行为分析等场景。mot系统主要由检测器与跟踪器组成,其综合性能受检测准确性及数据关联效率共同影响。尽管目前存在众多优化检测或关联性能的算法,但鲜有能够同时提升这两方面的算法。

2、结合骨干网络和特征金字塔网络(feature pyramid network,fpn)的策略成为提升检测性能的优先选择,通过多尺度特征的整合以提高检测效率。然而,fpn在实际应用中面临信息丢失、信息分布不均及跨尺度融合可能引起的混叠等挑战。此外,对fpn处理的多尺度特征进行进一步优化,是提高检测性能的关键。在数据关联方面,确保连续帧之间目标的精确匹配以构建准确的轨迹,是提升跟踪精度的核心,对整个mot系统性能的提高起到了决定性作用。

3、因此，如何提供一种基于特本文档来自技高网...

【技术保护点】

1.基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法，其特征在于，包括：

2.根据权利要求1所述的基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法，其特征在于，骨干网络为ResNet50网络；

3.根据权利要求2所述的基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法，其特征在于，空间残差特征金字塔网络具体处理过程为：

4.根据权利要求3所述的基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法，其特征在于，SPPF网络具体处理过程为：

5.根据权利要求1所述的基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法，其特征...

【技术特征摘要】

1.基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法，其特征在于，包括：

2.根据权利要求1所述的基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法，其特征在于，骨干网络为resnet50网络；

3.根据权利要求2所述的基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法，其特征在于，空间残差特征金字塔网络具体处理过程为：

4.根据权利要求3所述的基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法，其特征在于，sppf网络具体处理过程为：

5.根据权利要求1所述的基于特征增强多尺度融合策略与角动量机制的多目标跟踪算法，其特征在于，全局-局部注意力...

【专利技术属性】
技术研发人员：杜晨杰，王相威，计忠平，金冉，柴本成，李明亮，单方艳，潘佳聪，
申请(专利权)人：浙江万里学院，
类型：发明
国别省市：