基于空间转换网络与卷积网络的目标跟踪方法技术

本发明专利技术提供一种基于空间转换网络与卷积网络的目标跟踪方法，属于机器视觉技术领域，包括：在复杂场景中对指定目标按照不同的运动轨迹进行移动及视频拍摄，对拍摄视频进行帧拆分；采用卷积网络对帧图像进行特征提取，得到第一特征图，并基于空间转换网络对第一特征图进行空间变换和目标区域聚焦，得到第二特征图；基于卷积网络对第二特征图进行高级特征提取，进行预测目标锁定；基于所有预测目标的锁定位置且按照帧顺序进行先后排序得到预测轨迹并与相应移动轨迹进行对比分析，得到移动边界差异集；基于所有移动边界差异集对目标跟踪边进行优化调整。在复杂场景下，即使目标受到各种干扰和变化，经过优化调整的目标跟踪边也能更稳定地跟踪目标。

【技术实现步骤摘要】

本专利技术涉及机器视觉，尤其涉及一种基于空间转换网络与卷积网络的目标跟踪方法。

技术介绍

1、在目标跟踪领域，传统方法在处理快速移动目标、相似背景干扰等情况时，存在跟踪精度低、鲁棒性差等问题。随着深度学习的发展，基于卷积神经网络的方法取得了一定进展，但仍面临空间感知偏差、算法复杂度与速度难以平衡等挑战。例如，在复杂场景下，目标的快速移动会导致空间位置预测不准确，相似背景容易造成目标误判，影响跟踪效果。

2、因此，本专利技术提出一种基于空间转换网络与卷积网络的目标跟踪方法。

技术实现思路

1、本专利技术提供一种基于空间转换网络与卷积网络的目标跟踪方法，用以解决上述
技术介绍
提出的技术问题。

2、本专利技术提供一种基于空间转换网络与卷积网络的目标跟踪方法，包括：

3、步骤1：在复杂场景中对指定目标按照不同的运动轨迹进行移动及视频拍摄，并对拍摄视频进行帧拆分；

4、步骤2：采用卷积网络对帧图像进行特征提取，得到第一特征图，并基于所述空间转换网络对所述第一特征图进行空间变本文档来自技高网...

【技术保护点】

1.一种基于空间转换网络与卷积网络的目标跟踪方法，其特征在于，包括：

2.根据权利要求1所述的基于空间转换网络与卷积网络的目标跟踪方法，其特征在于，所述复杂场景是提前部署好的，且复杂场景存在N1个，每个复杂场景中存在N2个预先设定好的运动轨迹。

3.根据权利要求1所述的基于空间转换网络与卷积网络的目标跟踪方法，其特征在于，对拍摄视频进行帧拆分，包括：

4.根据权利要求3所述的基于空间转换网络与卷积网络的目标跟踪方法，其特征在于，基于同个帧的优先级、视觉效果以及连贯性，确定对应帧的细化数量，包括：

5.根据权利要求1所述的基于空间转换网络与卷...

【技术特征摘要】

1.一种基于空间转换网络与卷积网络的目标跟踪方法，其特征在于，包括：

2.根据权利要求1所述的基于空间转换网络与卷积网络的目标跟踪方法，其特征在于，所述复杂场景是提前部署好的，且复杂场景存在n1个，每个复杂场景中存在n2个预先设定好的运动轨迹。

3.根据权利要求1所述的基于空间转换网络与卷积网络的目标跟踪方法，其特征在于，对拍摄视频进行帧拆分，包括：

4.根据权利要求3所述的基于空间转换网络与卷积网络的目标跟踪方法，其特征在于，基于同个帧的优先级、视觉效果以及连贯性，确定对应帧的细化数量，包括：

5.根据权利要求1所述的基于空间转换网络与卷积网络的目标跟...

【专利技术属性】
技术研发人员：段丽英，王云霞，孟惜，韩明，刘旭宁，刘智国，李燕，董倩，贾梦，向存真，
申请(专利权)人：石家庄学院，
类型：发明
国别省市：