[發明專利]基于改進的暹羅網絡的目標跟蹤方法及系統

在審

• 申請號: 202111022608.0
• 申請日: 2021-09-01
• 公開（公告）號: CN113888587A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 李天平;嚴業金;丁同賀;霍文曉;歐佳瑜;劉智鳳
• 申請（專利權）人: 山東師范大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/13;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

本發明公開了基于改進的暹羅網絡的目標跟蹤方法及系統，獲取模板圖像和待跟蹤圖像；將模板圖像和待跟蹤圖像，均輸入到訓練后的改進的暹羅網絡中，輸出待跟蹤圖像的目標跟蹤結果；其中，訓練后的改進的暹羅網絡，對模板圖像提取出模板深層特征和模板淺層特征；訓練后的改進的暹羅網絡，對待跟蹤圖像提取出待跟蹤深層特征和待跟蹤淺層特征；訓練后的改進的暹羅網絡，對模板深層特征和待跟蹤深層特征進行處理得到目標框的第一次定位結果；對模板淺層特征、待跟蹤淺層特征和第一次定位結果進行處理，得到第二次定位結果，將第二次定位結果作為待跟蹤圖像的最終目標跟蹤結果。實現了對目標更為精細的跟蹤。

技術領域

本發明涉及目標跟蹤技術領域，特別是涉及基于改進的暹羅網絡的目標跟蹤方法及系統。

背景技術

本部分的陳述僅僅是提到了與本發明相關的背景技術，并不必然構成現有技術。

視覺目標跟蹤方向是世界研究的熱門領域，其中基于SiamFC改進的跟蹤器因其在平衡速度與性能的巨大潛力受到了廣泛的關注。SiamFC利用了卷積神經網絡(CNN)對目標特征進行提取，在卷積神經網絡提取的特征中，深層網絡提取的特征具有更多的目標抽象信息，更加適合對目標的整體定位。SiamFC中存在的問題是僅僅利用了卷積神經網絡的深層特征，這就導致了SiamFC雖然能夠對目標進行大體的定位，卻無法對目標進行更加精細的定位，尤其是無法對跟蹤目標的回歸框做精確的判斷

發明內容

為了解決現有技術的不足，本發明提供了基于改進的暹羅網絡的目標跟蹤方法及系統；通過設計另外的淺層網絡分支，利用淺層網絡分支對目標位置進行二次定位，實現了對目標更為精細的跟蹤；

第一方面，本發明提供了基于改進的暹羅網絡的目標跟蹤方法；

基于改進的暹羅網絡的目標跟蹤方法，包括：

獲取模板圖像和待跟蹤圖像；

將模板圖像和待跟蹤圖像，均輸入到訓練后的改進的暹羅網絡中，輸出待跟蹤圖像的目標跟蹤結果；

其中，訓練后的改進的暹羅網絡，對模板圖像提取出模板深層特征和模板淺層特征；訓練后的改進的暹羅網絡，對待跟蹤圖像提取出待跟蹤深層特征和待跟蹤淺層特征；

訓練后的改進的暹羅網絡，對模板深層特征和待跟蹤深層特征進行處理得到目標框的第一次定位結果；

對模板淺層特征、待跟蹤淺層特征和第一次定位結果進行處理，得到第二次定位結果，將第二次定位結果作為待跟蹤圖像的最終目標跟蹤結果。

第二方面，本發明提供了基于改進的暹羅網絡的目標跟蹤系統；

基于改進的暹羅網絡的目標跟蹤系統，包括：

獲取模塊，其被配置為：獲取模板圖像和待跟蹤圖像；

追蹤模塊，其被配置為：將模板圖像和待跟蹤圖像，均輸入到訓練后的改進的暹羅網絡中，輸出待跟蹤圖像的目標跟蹤結果；

其中，訓練后的改進的暹羅網絡，對模板圖像提取出模板深層特征和模板淺層特征；訓練后的改進的暹羅網絡，對待跟蹤圖像提取出待跟蹤深層特征和待跟蹤淺層特征；

訓練后的改進的暹羅網絡，對模板深層特征和待跟蹤深層特征進行處理得到目標框的第一次定位結果；

對模板淺層特征、待跟蹤淺層特征和第一次定位結果進行處理，得到第二次定位結果，將第二次定位結果作為待跟蹤圖像的最終目標跟蹤結果。

第三方面，本發明還提供了一種電子設備，包括：

存儲器，用于非暫時性存儲計算機可讀指令；以及

處理器，用于運行所述計算機可讀指令，