[发明专利]一种安防摄像头高准度智能识别目标跟踪系统及方法

权利要求书

1.一种安防摄像头高准度智能识别目标跟踪系统，其特征在于：系统的初始神经网络模型为孪生级联，包括依次连接的孪生神经网络和级联RPN模块；

孪生神经网络模块分为N层卷积神经网络层，用于从图像中提取特征，并按层将特征发送给级联RPN模块；

级联RPN模块包括L(L≤N)个阶段的级联的RPN，用于根据每个阶段的RPN的多级特征进行序列分类和回归；

级联RPN模块还包括每个阶段的RPN对应的特征传递模块FTB和锚点模块；每个阶段的RPN对应的特征传递模块FTB的信号输入端分别连接当前层和上一层的卷积神经网络层的信号输出端，每个阶段的RPN对应的特征传递模块FTB的信号输出端分别连接当前阶段的RPN和下一个阶段的特征传递模块FTB的信号输入端，用于跨层融合特征使每个阶段的RPN共享高级语义功能以提高辨别能力；

每个阶段的锚点模块的信号输入端连接上一个阶段的RPN的信号输出端，每个阶段的锚点模块的信号输出端连接当前阶段的RPN的信号输入端，用于逐步细化锚点并进行精确定位。

2.根据权利要求1所述的一种安防摄像头高准度智能识别目标跟踪系统，其特征在于：孪生神经网络模块包括Z分支和X分支，Z分支和X分支相同，分别用于从目标模板Z和搜索区域X中提取特征；设n为正整数，Z分支的第m层特征为X分支的第m层特征为

当n＝N时，Z分支和X分支的所有层对应共享参数；

当n＜N时，孪生神经网络Z分支和X分支的部分层对应共享参数。

3.根据权利要求2所述的一种安防摄像头高准度智能识别目标跟踪系统，其特征在于：

设第l个阶段的RPN为RPN_l，用于接收来自孪生神经网络模块的conv-l层的融合特征Φ_l(z)、Φ_l(x)，和来自特征传递模块FTB的高级层的特征和

4.根据权利要求3所述的一种安防摄像头高准度智能识别目标跟踪系统，其特征在于：

设第1个阶段的RPN₁中，对Φ_l(z)和Φ_l(x)卷积得到[Φ_l(z)]_cls，[Φ_l(x)]_cls，[Φ_l(z)]_reg，[Φ_l(x)]_reg；则第l个阶段的锚点的分类分数和回归偏移量分别为：

设第1个阶段的锚点的集合为A₁，第l个阶段的锚点的集合为A_l，则分类分数用于过滤A_l中负置信度大于预设阈值θ的锚点后形成锚点的集合A_l+1，以训练第l+1个阶段的RPN_l+1；

回归偏移量用于细化锚点的集合A_l+1中锚点的中心位置和大小、给第l+1个阶段的RPN_l+1的回归提供更好的初始化从而准确地定位。