[发明专利]目标跟踪的方法

权利要求书

1.目标跟踪的方法，其特征在于：包括以下步骤：

1)、在当前帧图像输入用于选择目标的目标框；执行步骤2；

2)、Siamese特征提取模块使用输入的目标框或者预测的目标框抠取目标，目标框抠取目标作为目标抠图，然后使用CNN网络提取目标抠图和当前帧图像的特征；使用同样的CNN网络进行处理得到特征图，然后对两张特征图进行相关计算得到相关特征图，作为RL跟踪模块的输入；相关算法执行步骤3；

3)、RL跟踪模块基于步骤2提取的当前帧图像相关特征图，对下一帧图像的目标框的位置进行预测，得到当前帧相对于上一帧的差异，由差异和当前帧目标框的位置得到预测目标框的位置；根据预测目标框的位置从下一帧图像中进行特征扣取，网络输出一个分值作为score预测，score预测作为跟踪的状态reward；

4)、根据步骤3得到的跟踪的状态reward来优化控制策略policy。

2.根据权利要求1所述的目标跟踪的方法，其特征在于：

score预测包括但不限于iou、giou、L2距离等。

3.根据权利要求2所述的目标跟踪的方法，其特征在于：

Siamese特征提取模块包括三层卷积层；

RL跟踪模块包括Actor网络和Critic网络，Actor网络和Critic网络包括共享的三层卷积层，Actor网络还包括一层卷积层、两层FC层和一层action层，Critic网络还包括Crop层、一层卷积层、两层FC层和一层score层；

Siamese特征提取模块将最后一层卷积层的输出输入到Actor网络的卷积层和Critic网络的Crop层中，Actor网络的action层的输出输入到Critic网络的Crop层中。

4.根据权利要求3所述的目标跟踪的方法，其特征在于：

在步骤3中：

Actor网络对下一帧目标框基于当前目标框进行动作预测，得到下一帧帧相对于当前帧的差异，包括但不限于以下参数：△x,△y,△w,△h；

其中△x,△y为目标下一帧预测相对于当前帧的中心点位置变化，△w,△h为目标下一帧预测相对于当前帧的目标框的高度和宽度变化；

由△x,△y,△w,△h和当前帧目标框的位置得到预测目标框的位置；

Critic网络使用预测目标框的位置从中间层进行扣取目标，即为从Critic网络的中间某一层扣取相关的特征，然后按目标的位置进行特征抠取；

然后经过卷积层和FC层，对目标的IOU进行预测；预测的值作为RL网络的动作价值socre；用于评价当前动作的可靠性。