[發明專利]無人機平臺單目標跟蹤方法

在審

• 申請號: 202110225620.5
• 申請日: 2021-03-01
• 公開（公告）號: CN112819862A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 王斌;龍真真;金帥
• 申請（專利權）人: 深圳中灣智能科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62
• 代理公司: 北京眾元弘策知識產權代理事務所(普通合伙) 11462
• 代理人: 李超

1.一種無人機平臺單目標跟蹤方法，其特征在于所述方法包括：

步驟一、構建模型網絡結構，選擇跟蹤目標圖像并確定搜索區域，提取特征后將不同尺度的特征圖分別送入SiamRPN網絡，由合并的SiamRPN輸出包含分類分支和回歸分支，采用成對的相關操作來得到最后的輸出；

步驟二、生成模型損失函數，沿用損失函數，分類損失為交叉熵損失，采用歸一化坐標的損失進行回歸；

步驟三、對模型裁剪量化壓縮，聯合L2范式和泰勒一階展開的卷積濾波方法進行結構化剪枝處理，將卷積濾波的所有參數看作被裁減對象的整體，每次裁剪時會裁剪整個卷積濾波的所有參數。

2.根據權利要求1所述的無人機平臺單目標跟蹤方法，其特征在于，所述步驟一對選定的跟蹤目標，搜索下一幀圖片區域。

3.根據權利要求1或2所述的無人機平臺單目標跟蹤方法，其特征在于，所述步驟一經過中間的孿生網絡提取特征，將不同尺度的特征圖分別送入SiamRPN網絡，直接對其輸出采用加權和，由合并的SiamRPN輸出分類分支和回歸分支。

4.根據權利要求1所述的無人機平臺單目標跟蹤方法，其特征在于，所述步驟二沿用Faster RCNN算法中的損失函數，分類損失為交叉熵損失，采用歸一化坐標的smooth L1損失進行回歸。

5.根據權利要求1或4所述的無人機平臺單目標跟蹤方法，其特征在于，所述步驟二是損失函數按照如下流程生成：

A_x、A_y、A_w、A_h表示anchors的中心點和形狀，T_x、T_y、T_w、T_h表示groundtruth的中心點和形狀，則標準化距離為：

經過smooth L1的損失函數為：

loss＝L_cls+λL_reg

其中，smooth_L1的損失函數指的是，對于輸入x，預測值和真實值之間的差值，σ為常數，根據實際情況進行調整；

公式中λL_re為正則化處理，用于防止過擬合，其中λ為常數，根據實際數據集的情況調整；

loss為整體損失函數，L_cls是cls層的損失函數，λL_re為正則化調整函數，cls層是RCNN網絡中的固定概念，損失函數的算法也固定的。

6.根據權利要求1所述的無人機平臺單目標跟蹤方法，其特征在于，所述步驟三具體包括：

S101、準備初始模型和用來訓練模型的數據集并設定好剪枝率作為剪枝的目標來控制剪枝的迭代次數；

S102、在每次剪枝迭代中，根據剪枝的度量標準將待剪枝模型的卷積濾波排名；

S103、按照名次裁剪掉模型最不重要的卷積濾波

S104、重復S102和S103直到完成迭代。

7.根據權利要求1或6所述的無人機平臺單目標跟蹤方法，其特征在于，所述步驟三聯合L2范式和泰勒一階展開的卷積神經網絡卷積濾波剪枝將激活圖L2范式和損失函數的泰勒一階展開兩種剪枝度量標準結合起來對卷積神經網絡的卷積濾波剪枝。

8.根據權利要求1或6或7所述的無人機平臺單目標跟蹤方法，其特征在于，所述步驟三將激活圖L2范式和泰勒一階展開結合作為卷積濾波重要性的度量標準，并引入0～1之間的超參數平衡L2范式和泰勒一階展開的數值尺度，聯合L2范式和泰勒一階展的卷積濾波剪枝的度量標準為：

其中λ是常數，取值0-1之間，為L2范式，屬于歐幾里得范數；為泰勒一階展開；

應用標準給網絡中的卷積濾波排序時，認為值越大的卷積濾波對網絡的重要性越高，值越低的卷積濾波在網絡剪枝時應該越優先被裁剪。