公开(公告)号：CN111179314B

公开(公告)日：2023-05-02

申请号：CN201911389973.8

申请日：2019-12-30

Applicant: 北京工业大学

Inventor： 付利华 ,  王路远 ,  丁宇 ,  章海涛

IPC: G06T7/246 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于残差密集孪生网络的目标跟踪方法，该方法首先在视频第一帧图像中提取待跟踪目标的模板图像，并将其输入到残差密集网络，获得初始模板特征，将提取的特征进一步输入全局注意力模块，获得模板特征，完成跟踪器初始化；然后对第t帧图像裁剪提取搜索区域图像，并将其输入到残差密集网络获得搜索区域特征；最后，将模板特征和搜索区域特征输入候选区域生成网络，得到前景与背景分类置信度和边界框回归估计值，进一步得到第t帧跟踪结果。应用本发明，解决了现有基于孪生网络的目标跟踪方法无法有效处理背景杂乱、相似语义干扰的问题，还解决了现有基于孪生网络的目标跟踪方法跟踪准确度低，鲁棒性差的问题。

公开(公告)号：CN111179314A

公开(公告)日：2020-05-19

申请号：CN201911389973.8

申请日：2019-12-30

Applicant: 北京工业大学

Inventor： 付利华 ,  王路远 ,  丁宇 ,  章海涛

IPC: G06T7/246 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于残差密集孪生网络的目标跟踪方法，该方法首先在视频第一帧图像中提取待跟踪目标的模板图像，并将其输入到残差密集网络，获得初始模板特征，将提取的特征进一步输入全局注意力模块，获得模板特征，完成跟踪器初始化；然后对第t帧图像裁剪提取搜索区域图像，并将其输入到残差密集网络获得搜索区域特征；最后，将模板特征和搜索区域特征输入候选区域生成网络，得到前景与背景分类置信度和边界框回归估计值，进一步得到第t帧跟踪结果。应用本发明，解决了现有基于孪生网络的目标跟踪方法无法有效处理背景杂乱、相似语义干扰的问题，还解决了现有基于孪生网络的目标跟踪方法跟踪准确度低，鲁棒性差的问题。