首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】孪生神经网络目标跟踪方法及系统_中国科学院长春光学精密机械与物理研究所_201910829033.X 

申请/专利权人:中国科学院长春光学精密机械与物理研究所

申请日:2019-09-03

公开(公告)日:2024-05-17

公开(公告)号:CN112446900B

主分类号:G06F17/16

分类号:G06F17/16

优先权:

专利状态码:有效-授权

法律状态:2024.05.17#授权;2021.03.23#实质审查的生效;2021.03.05#公开

摘要:本发明涉及一种孪生神经网络目标跟踪方法,包括:将模板分支图像与搜索区域分支图像输入到离线训练过的孪生神经网络中;利用所述孪生神经网络中的卷积层对上述输入的模板分支图像与搜索区域分支图像进行特征提取,得到三个卷积块的特征图;对特征提取得到的三个卷积块的特征图,采用多层信息融合得到响应图;在多层信息融合得到的响应图中寻找最大峰值,并映射到搜索区域分支图像中确定目标的精确位置。本发明还涉及一种孪生神经网络目标跟踪系统。本发明能够得到语义信息更加丰富的深度特征,提高跟踪精度并能更好地利用深层网络的优势。

主权项:1.一种孪生神经网络目标跟踪方法,其特征在于,该方法包括如下步骤:a.将模板分支图像与搜索区域分支图像输入到离线训练过的孪生神经网络中;b.利用所述孪生神经网络中的卷积层对上述输入的模板分支图像与搜索区域分支图像进行特征提取,得到Layer2、Layer3和Layer4三个卷积块的特征图;c.对上述特征提取得到的三个卷积块的特征图,采用多层信息融合得到响应图;d.在上述多层信息融合得到的响应图中寻找最大峰值,并映射到搜索区域分支图像中确定目标的精确位置;其中:所述孪生神经网络的结构如表1所示:表1 其中,层结构中卷积层和卷积块Conv和Layer的数据顺序为核尺寸、通道数、步长和边缘填充数,池化层Maxpool的数据顺序为核尺寸、步长和边缘填充数,XCorr代表交叉相关;所述的步骤c包括:采用APCE对各响应图进行质量评估,并将评估得分进行归一化处理,作为各层响应图的权重, 其中,Rmax,Rmin和Rw,h分别代表响应图R中的最大值、最小值和第w行,h列的值;在得到各响应图的评分数后,进行层级加权融合,加权公式如下: 其中,为各层响应图的归一化权重,Resi为进行卷积加权后的第i个响应图。

全文数据:

权利要求:

百度查询: 中国科学院长春光学精密机械与物理研究所 孪生神经网络目标跟踪方法及系统

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。

相关技术
相关技术
相关技术
相关技术