[發明專利]一種基于特征融合和通道注意力的目標跟蹤方法在審
| 申請號： | 202310185680.8 | 申請日： | 2023-03-01 |
| 公開（公告）號： | CN116091979A | 公開（公告）日： | 2023-05-09 |
| 發明（設計）人： | 黃海濤;張建明;謝賢定 | 申請（專利權）人： | 長沙理工大學 |
| 主分類號： | G06V20/40 | 分類號： | G06V20/40;G06V10/77;G06V10/80;G06V10/82;G06F17/18;G06N3/08;G06N3/0464 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 410114 湖南省*** | 國省代碼： | 湖南;43 |
| 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 特征 融合 通道 注意力 目標 跟蹤 方法 | ||
1.一種基于特征融合和通道注意力的目標跟蹤方法，其特征在于，所述方法由計算機執行，包括以下步驟：
S1、構建孿生網絡；
S2、獲取目標的初始幀；
S3、提取模板區域和搜索區域的特征信息；
S4、通過高效通道注意力機制增強目標特征信息；
S5、將增強后的特征送入到特征融合網絡，將三層特征融合為一層；
S6、將最終得到的模板分支與搜索分支的特征做一次互相關操作來進行分類和回歸，根據分類和回歸的結果，得出目標在當前幀的準確位置。
2.如權利要求1所述的一種基于特征融合和通道注意力的目標跟蹤方法，其特征在于，S1的具體實現過程如下：
S101、該孿生網絡由四部分組成，分別為特征提取部分、高效通道注意力模塊部分、特征融合網絡部分和頭部網絡；
S102、特征提取部分由模板分支，搜索分支以及骨干網絡三部分組成；模板分支用來提取模板圖像的特征信息，搜索分支用來提取當前幀搜索區域的特征信息，骨干網絡是修改后的深度殘差網絡，使用的特征是提取到的第三層、第四層和第五層的特征信息；
S103、高效通道注意力模塊部分，主要是一種不降維的跨通道交互策略，并且可以自適應選擇一維卷積核的大小，以此來得到通道之間的關系，增強特征表達能力，達到增強特征的目的，該模塊增加的模型復雜度小，提升效果顯著；
S104、特征融合網絡部分，通過網絡的訓練，給三層特征圖各分配由神經網絡自我學習得到的權重值，自適應的調整淺層與深層特征的重要程度，最后將三層特征信息進行相加，得到最有利于我們跟蹤的一層特征圖；
S105、頭部網絡部分主要為一次互相關操作，用來處理來自模板幀和搜索幀不同層融合后的特征信息，計算相似度，最后根據分類和回歸的結果，得出目標在當前幀的準確位置。
3.如權利要求1所述的一種基于特征融合和通道注意力的目標跟蹤方法，其特征在于，S2的具體實現過程如下：
S201、初始幀的獲取是在視頻序列的開始階段，通過劃定一個矩形框來選擇要跟蹤的目標，此目標為后續幀中所要對比的對象。
4.如權利要求1所述的一種基于特征融合和通道注意力的目標跟蹤方法，其特征在于，在步驟S3中，提取模板區域和搜索區域的特征信息，其具體步驟為：
S301、在該方法中使用的骨干網絡是修改后的殘差網絡，提取到的有五塊特征信息，我們選擇第三層、第四層和第五層特征進行使用；
S302、第三塊和第四塊的特征經歷的卷積層數較少，包含的更多是外觀信息，其中只有少量的語義信息；
S303、分別將模板區域圖像z和搜索區域圖像x輸入到殘差網絡中進行特征提取，輸出第三層，第四層和第五層的特征圖，用和來表示模板分支的特征和搜索分支的特征。
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長沙理工大學，未經長沙理工大學許可，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/202310185680.8/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種移動時防晃動的密集架
- 下一篇：一種山區埋地管道伴行光纜的保護裝置
