standard download
文库搜索
切换导航
文件分类
频道
仅15元无限下载
联系我们
问题反馈
文件分类
仅15元无限下载
联系我们
问题反馈
批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210422800.7 (22)申请日 2022.04.21 (71)申请人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 申请人 中国航天科工集团八五一 一研究所 (72)发明人 杨柱天 朱伟强 王钰 杨蔚 杨佳敏 陈迪 (74)专利代理 机构 哈尔滨华夏松花江知识产权 代理有限公司 23213 专利代理师 时起磊 (51)Int.Cl. G06T 7/246(2017.01) G06N 3/08(2006.01) G06N 3/04(2006.01)G06K 9/62(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) (54)发明名称 基于注意力机制的复杂场景下目标跟踪方 法、 存储介质及设备 (57)摘要 基于注意力机制的复杂场景下目标跟踪方 法、 存储介质及设备, 属于计算机视觉处理技术 领域。 本发明针对需要进行目标跟踪的图像序 列, 先初始化第一帧, 处理出所要追踪的目标图 像, 将目标图像作为模板图像输入相似度度量网 络, 接着将后续帧作为搜索图像不断输入, 用相 似度度量网络计算后续帧和第一帧中目标图像 相似度最高的位置, 再计算两者的位置差进行目 标框的更新, 相似度度量网络先对模板图像和搜 索图像进行特征提取, 然后分别输入 各自对应的 CBAM模块, 之后进行相似度度量, 得到置信图; 进 而实现追 踪。 主要用于复杂场景 下的目标跟踪。 权利要求书2页 说明书7页 附图6页 CN 115018878 A 2022.09.06 CN 115018878 A 1.基于注意力机制的复杂场景 下目标跟踪方法, 其特 征在于, 包括以下步骤: 针对需要进行目标跟踪的图像序列, 先初始化第 一帧, 处理出所要追踪的目标图像, 将 目标图像作为模板图像输入相似度度量网络, 接着将后续帧作为搜索图像不断输入, 用相 似度度量网络计算后续帧和第一帧中目标图像相似度最高的位置, 再计算两者的位置差进 行目标框的更新, 实现追踪; 所述的相似度 度量网络通过以下步骤得到: 步骤1、 输入 模板图像和搜索图像; 步骤2、 将模板图像和搜索图像分别通过特征提取网络进行特征提取, 分别生成模板图 像和搜索图像对应的特 征图; 输入模板图像的特 征提取网络和输入搜索图像的特 征提取网络为孪生网络; 步骤3、 将上一步提取的特征图分别输入各自对应的CBAM模块, 即卷积注意力机制模 块; 步骤4、 进行相似度 度量, 得到 置信图; 步骤5、 根据步骤1 ‑4相似度度量方式训练神经网络, 将训练好的神经网络作为相似度 度量网络 。 2.根据权利要求1所述的基于注意力 机制的复杂场景下目标跟踪方法, 其特征在于, 步 骤2所述的特 征提取网络为CN N网络。 3.根据权利要求2所述的基于注意力 机制的复杂场景下目标跟踪方法, 其特征在于, 所 述的CNN网络采用SiamFC算法中的特 征提取网络 。 4.根据权利要求3所述的基于注意力 机制的复杂场景下目标跟踪方法, 其特征在于, 所 述神经网络的训练过程包括以下步骤: 在输入的模板图像上, 和目标的距离不超过R认为是正样本, 否则是负样本; 正负样本 所构成的目标的标签向量图: 其中, k为网络的总步长; c为目标的中心; u表示置信图的所有位置; R则表示阈值半径; 将m中的0全部替换为 ‑1, 并将处理后的新标签集称为y; 在对模型进行训练时, 使用判 别方法来对正、 负 样本对进行训练, 逻辑损失如下: l(y,v)= log(1+e‑yv) (3) 其中, y表示真值; v表示模板图像和搜索图像间的实际得分; 模型训练时损失函数计算采用所有候选位置的平均l oss来表示: 其中, D表示 最后得到的响应图, u表示响应图中的所有位置; 基于所有候选位置的平均loss实现神经网络模型的训练, 得到训练好的神经网络模 型, 即相似度 度量网络 。 5.根据权利要求4所述的基于注意力 机制的复杂场景下目标跟踪方法, 其特征在于, 基 于所有候选位置的平均loss实现神经网络模 型的训练的过程中, 利用随机梯度下降来最小权 利 要 求 书 1/2 页 2 CN 115018878 A 2化 得到卷积参数θ, EL( ·)表示L(·)的期望。 6.根据权利要求5所述的基于注意力 机制的复杂场景下目标跟踪方法, 其特征在于, 所 述的阈值半径R值取2。 7.根据权利要求1至6之一所述的基于注意力 机制的复杂场景下目标跟踪方法, 其特征 在于, 所述的CBAM模块先对输入的特征图进行通道上的加权, 再对经过通道注意力模型后 的特征图进行空间上的加权 。 8.根据权利要求7所述的基于注意力 机制的复杂场景下目标跟踪方法, 其特征在于, 步 骤4所述的进行相似度 度量的过程 为对经过CBAM提取的特 征进行交叉 卷积处理。 9.一种存储介质, 其特征在于, 所述存储介质中存储有至少一条指令, 所述至少一条指 令由处理器加载并执行以实现如权利要求1至8之一所述的基于注意力机制的复杂场景下 目标跟踪方法。 10.一种基于注意力 机制的复杂场景下目标跟踪设备, 其特征在于, 所述设备包括处理 器和存储器, 所述存储器中存储有至少一条指令, 所述至少一条指令由处理器加载并执行 以实现如权利要求1至8之一所述的基于注意力机制的复杂场景 下目标跟踪方法。权 利 要 求 书 2/2 页 3 CN 115018878 A 3
专利 基于注意力机制的复杂场景下目标跟踪方法、存储介质及设备
文档预览
中文文档
16 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
赞助2.5元下载(无需注册)
温馨提示:本文档共16页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2.5元下载
本文档由 SC 于
2024-02-24 00:59:45
上传分享
举报
下载
原文档
(1.7 MB)
分享
友情链接
4.信息系统运行和业务恢复能力水印版.pdf
GB-T 26933-2011 钢制通用集装箱封闭槽型顶板.pdf
T-CES 184—2022 中低压配电网快速插拔电缆连接器配置技术导则.pdf
T-GDNS 004—2023 医疗机构信息系统等级保护定级工作指南.pdf
GB-T 9439-2023 灰铸铁件.pdf
T-CEC 5074—2022 抽水蓄能电站工程施工总进度编制导则.pdf
GB-T 25346-2020 船舶供受燃油规程.pdf
GB-T 20937-2018 硫酸钾镁肥.pdf
DB21-T 3722.1—2023 高标准农田建设指南 第1部分:项目初步设计报告编制 辽宁省.pdf
IT外包管理制度.pdf
GB-T 30013-2013 城市轨道交通试运营基本条件.pdf
GB T 17902.1-2023 信息技术 安全技术 带附录的数字签名 第1部分:概述.pdf
GB-T 36630.1-2018 信息安全技术 信息技术产品安全可控评价指标 第1部分:总则.pdf
DB43-T 1997-2021 数字化电能计量装置整体误差检测技术规范 湖南省.pdf
专利 运维管理平台系统、系统运维管理方法.PDF
T-CEC 642—2022 电力5G通信模组通用技术要求.pdf
GB-T 25360-2010 汽车加气站用往复活塞天然气压缩机.pdf
GB-T 42573-2023 信息安全技术 网络身份服务安全技术要求.pdf
GB-T 37093-2018 信息安全技术 物联网感知层接入通信网的安全要求.pdf
SCIE 004-2021 智慧城市产业生态圈联盟标准.pdf
1
/
16
评价文档
赞助2.5元 点击下载(1.7 MB)
回到顶部
×
微信扫码支付
2.5
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。