申请/专利权人:南昌工程学院
申请日:2021-11-30
公开(公告)日:2022-03-01
公开(公告)号:CN114119669A
主分类号:G06T7/246(20170101)
分类号:G06T7/246(20170101);G06V10/75(20220101);G06K9/62(20220101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2023.07.04#发明专利申请公布后的驳回;2022.03.18#实质审查的生效;2022.03.01#公开
摘要:本发明提出一种基于Shuffle注意力的图匹配目标跟踪方法与系统,该方法包括:基于卷积神经网络与Shuffle注意力模块建立特征提取主干网络;建立目标跟踪算法模型;采用离线方式对目标跟踪算法模型进行端对端训练;初始化视频序列的第一帧以获取目标模板图像,在后续帧中以前一帧目标中心位置的预设倍大小截取搜索区域图像,并将目标模板图像以及搜索区域图像送入到特征提取主干网络中以获得深度特征;对深度特征进行图匹配操作,以获得相似性得分图;对相似性得分图进行前景与背景的区别以及预测框的角点进行调整,以确定最终的目标跟踪位置。本发明具有很好的鲁棒性与实时性,实现良好的目标图像跟踪效果。
主权项:1.一种基于Shuffle注意力的图匹配目标跟踪方法,其特征在于,所述方法包括如下步骤:步骤一:基于卷积神经网络与Shuffle注意力模块建立特征提取主干网络,所述特征提取主干网络用于对目标模板图像以及搜索区域图像进行深度特征提取;步骤二:根据所述特征提取主干网络、图匹配网络、分类子网络以及回归子网络建立得到目标跟踪算法模型;步骤三:对目标跟踪数据集进行预处理,在每个数据迭代周期内动态调整学习率,并采用离线方式对所述目标跟踪算法模型进行端对端训练;步骤四:在进行过端对端训练的目标跟踪算法模型中,初始化视频序列的第一帧以获取目标模板图像,在后续帧中以前一帧目标中心位置的预设倍大小截取搜索区域图像,并将所获得的目标模板图像以及搜索区域图像送入到所述特征提取主干网络中以获得深度特征;步骤五:对目标模板图像和搜索区域图像的深度特征进行图匹配操作,以获得目标模板图像与搜索区域图像之间的相似性得分图;步骤六:利用所述分类子网络对相似性得分图进行前景与背景的区别,利用所述回归子网络对相似性得分图中预测框的角点进行调整,直至所述视频序列结束以确定最终的目标跟踪位置。
全文数据:
权利要求:
百度查询: 南昌工程学院 一种基于Shuffle注意力的图匹配目标跟踪方法与系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。