[发明专利]一种自适应特征融合的智能变电站人体目标跟踪方法

说明书

本发明提供了一种自适应特征融合的智能变电站人体目标跟踪方法。本发明的方法在快速给出准确跟踪结果的同时还可以对目标物体分割出精细的掩膜，并将FPN各层级特征图送入多比率锚框的ASF，对ASF输出特征图使用高斯非局部注意力机制进行增强，突出目标区域特征，抑制非目标、背景特征，有效提升检测精度。

技术领域

本发明涉及目标跟踪领域，具体涉及一种自适应特征融合的智能变电站人体目标跟踪方法。

背景技术

现今有许多定位跟踪系统使用超宽波(ultra-wideband，UW)技术，基于硬件技术完成人员的定位与跟踪，但是该方法成本高，并且需要被监控对象一直携带手环等信号发生器，无法对擅自闯入的人员或工程车辆进行跟踪。视觉算法方面，有些监控系统使用自适应均值偏移(Camshift)、支持向量机(support vector machine，SVM)、自适应增强(AdaBoost)或者背景提取(ViBe)、卡尔曼滤波等传统的跟踪算法对人员或者工程车辆进行跟踪。但是传统算法往往依赖图像的底层特征的相似度，虽然速度较快，但无法适应跟踪目标的大姿态变化和由于摄像机拍摄造成的模糊、遮挡等情况，难以在较为复杂的场景下输出可以信赖的结果。

现有技术的变电站目标跟踪方法主要存在以下不足：(1)变电站视频监控的跟踪目标，一般为站内的工作人员，在特定场合对于工程车辆或入侵异物也有一定需求。考虑到实际场景，智能监控需要对各异常情况有极高的响应速度，并且往往需要对跟踪的目标进行后续分析，例如移动轨迹分析、行为识别等。(2)变电站监控视频帧率低、清晰度低，同时容易出现跟踪目标被设备遮挡的情况，这给智能监控算法提出了极大的挑战。

发明内容

为解决现有技术存在的问题，本发明提供了一种自适应特征融合的智能变电站人体目标跟踪方法。为实现本发明的目的，本发明的技术方案如下。

一种自适应特征融合的智能变电站人体目标跟踪方法，包括：

获取电站现场的人体目标图像，标定获取的人体目标图像，基于ResNet-50深度卷积网络提取特征图；

基于ResNet-50深度卷积网络的C3、C4、C5层级构造特征金字塔网络FPN的P3、P4、P5层级；

将特征金字塔网络FPN的P3、P4、P5层级的特征图输入自适应空间融合ASF进行特征融合；

采用注意力机制增强特征金字塔网络的输出特征图；

将目标图像块z和搜索图像块x分别输入自适应空间融合ASF的共享主干网络f，得到参考特征图f(z)和f(x)；将参考特征图f(z)和f(x)进行深度互相关操作，得到候选窗口响应RoWs；

在增强特征金字塔网络的输出特征图上，滑动一组不同比率和不同尺度的锚点，映射到原始图像中得到不同比率和不同尺度的感兴趣区域ROIs；

拼接感兴趣区域ROIs，并将拼接后的ROIs输入三个并联的分支：边界框分支、分类分支和掩膜分支；其中，边界框分支的输出结果，用于下一帧目标的框定，掩膜分支的输出结果用于定位当前帧目标位置；

计算边界框分支的回归损失函数L_box、分数分支的分类损失函数L_score和掩膜分支的掩模损失函数L_mask；

计算孪生网络的总体损失函数。

优选的，所述基于ResNet-50深度卷积网络提取深度特征信息包括：输入256维的特征图，使用1×1卷积层，将256维的特征转变为64维的特征图；经过ReLU非线性激活后，使用3×3卷积层提取目标特征图；使用ReLU非线性激活，并使用1×1卷积层将目标特征图的维度转为256；将输出的特征图与输入的特征图进行加法操作。