[發明專利]一種基于孿生神經網絡的紅外無人機目標跟蹤方法在審
| 申請號： | 202111490901.X | 申請日： | 2021-12-08 |
| 公開（公告）號： | CN114241306A | 公開（公告）日： | 2022-03-25 |
| 發明（設計）人： | 楊博;楊珊;宋偉紅 | 申請（專利權）人： | 四川中科朗星光電科技有限公司 |
| 主分類號： | G06V20/10 | 分類號： | G06V20/10;G06N3/04;G06N3/08;G06V20/40 |
| 代理公司： | 深圳市廣諾專利代理事務所(普通合伙) 44611 | 代理人： | 劉飛 |
| 地址： | 610096 四川省成都市自由貿易試*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 孿生 神經網絡 紅外 無人機 目標 跟蹤 方法 | ||
【權利要求書】：
1.一種基于孿生神經網絡的紅外無人機目標跟蹤方法，其特征在于：所述具體步驟如下：
S1：基于SiamRPN++結構，以深度殘差網絡ResNet為特征提取器，網絡會提取后三個block的結果放入輸出結果形狀相同的SiamRPN網絡，然后通過直接加權求和各個結果，在網絡相似度度量機制中采用深度可分離卷積，以減少模型計算量。
S2:紅外無人機目標圖像數據集構建。采集多種場景、多類型無人機、多姿態飛行紅外圖像數據集，然后對紅外圖像數據集進行標注。
S3:基于步驟1的模型和步驟2構建的數據集，選擇相應的數據增強技術、迭代次數、學習率、損失函數等訓練驗證模型并保存。
S4:基于步驟3保存的模型，通過手動框選和自動目標檢測初始紅外圖像中無人機目標的位置，給出目標框，即左上角像素坐標、目標框寬和高。以此框內無人機目標作為模型模板輸入，并提取此模板的特征，網絡模型跟蹤后續紅外圖像中的無人機目標，輸出無人機的目標框和置信度。
S5:基于步驟4中模型輸出的置信度，若連續10幀圖像預測置信度高于閾值0.8，則將最后一幀無人機目標作為模型的模板輸入，并提取此模板的特征。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于四川中科朗星光電科技有限公司，未經四川中科朗星光電科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202111490901.X/1.html，轉載請聲明來源鉆瓜專利網。
