申请/专利权人：山东师范大学

申请日：2021-09-01

公开（公告）日：2024-05-28

公开（公告）号：CN113888587B

主分类号：G06T7/246

分类号：G06T7/246;G06T7/13;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.28#授权;2022.01.21#实质审查的生效;2022.01.04#公开

摘要：本发明公开了基于改进的暹罗网络的目标跟踪方法及系统，获取模板图像和待跟踪图像；将模板图像和待跟踪图像，均输入到训练后的改进的暹罗网络中，输出待跟踪图像的目标跟踪结果；其中，训练后的改进的暹罗网络，对模板图像提取出模板深层特征和模板浅层特征；训练后的改进的暹罗网络，对待跟踪图像提取出待跟踪深层特征和待跟踪浅层特征；训练后的改进的暹罗网络，对模板深层特征和待跟踪深层特征进行处理得到目标框的第一次定位结果；对模板浅层特征、待跟踪浅层特征和第一次定位结果进行处理，得到第二次定位结果，将第二次定位结果作为待跟踪图像的最终目标跟踪结果。实现了对目标更为精细的跟踪。

主权项：1.基于改进的暹罗网络的目标跟踪方法，其特征是，包括：获取模板图像和待跟踪图像；将模板图像和待跟踪图像，均输入到训练后的改进的暹罗网络中，输出待跟踪图像的目标跟踪结果；其中，训练后的改进的暹罗网络，对模板图像提取出模板深层特征和模板浅层特征；训练后的改进的暹罗网络，对待跟踪图像提取出待跟踪深层特征和待跟踪浅层特征；训练后的改进的暹罗网络，对模板深层特征和待跟踪深层特征进行处理得到目标框的第一次定位结果；对模板浅层特征、待跟踪浅层特征和第一次定位结果进行处理，得到第二次定位结果，将第二次定位结果作为待跟踪图像的最终目标跟踪结果；所述改进的暹罗网络，其网络结构包括：第一神经网络和第二神经网络；其中，所述第一神经网络的输入端用于输入模板图像，所述第一神经网络有两个输出端，其中一个输出端用于输出模板图像的深层特征，另外一个输出端用于输出模板图像的浅层特征；模板图像的深层特征被送入第三神经网络的输入端，第三神经网络的输出端与第一互相关模块的输入端连接；模板图像的浅层特征被送入裁剪模块的输入端，裁剪模块的输出端与第二互相关模块的输入端连接；待跟踪图像的深层特征被直接送入第一互相关模块的输入端；待跟踪图像的浅层特征被送入空间注意力机制层的输入端；空间注意力机制层的输出端与第二互相关模块的输入端连接；第一互相关模块的输出端，输出第一次目标定位结果；并将第一次目标定位结果发送给第二互相关模块；第二互相关模块输出第二次目标定位结果；深层特征是指改进的暹罗网络中第一神经网络和第二神经网络的最后一个卷积层提取到的特征；浅层特征是改进的暹罗网络中第一神经网络和第二神经网络的第二卷积层提取到的特征；所述第一神经网络，为改进的Alexnet网络；所述第一神经网络，输入为1271273的图像，依次经过卷积层conv1，池化层pool1，卷积层conv2，卷积层conv3，池化层pool2，卷积层conv4，卷积层conv5，最终得到77384的特征图像；所述第三神经网络，为第一神经网络的部分结构，网络结构包括：输入5959256大小特征图后，分别经过池化层pool1，卷积层conv2，卷积层conv3，池化层pool2，卷积层conv5，最终输出77384的特征图；所述第一互相关模块，通过将77384特征图作为卷积核，使用2323384特征图作为权重乘以卷积核，将得到的结果相加作为互相关值输出，互相关值最大时的搜索窗口位置决定了目标在待匹配图像中的位置。

全文数据：

权利要求：

百度查询： 山东师范大学 基于改进的暹罗网络的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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD