[发明专利]基于核分块注意力机制的马拉松场景人群运动追踪方法

权利要求书

1.一种基于核分块注意力机制的马拉松场景人群运动追踪方法，其特征在于，包括以下步骤：

S1.基本模型搭建，所述基本模型包含特征模板、高斯混合模型和运动趋势预测算法三个部分；

S2.建立核分块注意力机制模块；

S3.使用所述核分块注意力机制模块改进基本模型。

2.根据权利要求1所述的基于核分块注意力机制的马拉松场景人群运动追踪方法，其特征在于，在步骤S1中，选取一个高效的密集人群运动追踪算法作为基本模型，所述基本模型包含用于提取特征的特征模板、高斯混合模型和运动趋势预测算法三个部分。

3.根据权利要求1所述的基于核分块注意力机制的马拉松场景人群运动追踪方法，其特征在于，在步骤S2中，所述核分块注意力机制模块从视频特征图中提取不同的局部信息特征，并把所述局部信息特征与全局信息特征相融合，从而提取包含不同语义信息的高质量特征图。

4.根据权利要求1所述的基于核分块注意力机制的马拉松场景人群运动追踪方法，其特征在于，在步骤S2中，在所述核分块注意力机制模块中，作为对比向量的卷积核会通过卷积操作的形式完成注意力特征提取，通过对卷积核进行分块处理，使得分块后的卷积核包含局部特征并分别与视频帧对应的特征图进行注意力机制运算，从而更有效地提取更多局部特征信息。

5.根据权利要求1所述的基于核分块注意力机制的马拉松场景人群运动追踪方法，其特征在于，在步骤S2中，所述特征模板会对被输入视频帧进行特征提取操作，生成特征图F₁，所述特征图F₁会被输入至所述核分块注意力机制模块中获取更多局部信息。

6.根据权利要求1所述的基于核分块注意力机制的马拉松场景人群运动追踪方法，其特征在于，在步骤S2中，在所述核分块注意力机制模块中，从所述特征图F₁中截取的特定区域特征R₁会被作为卷积核，R₁会被平均分成一个小区域块，分别为r₁、r₂、r₃、r₄，这些小区域块会在不同注意力操作分支中分别和F₁进行卷积操作，从而提取不同的局部特征；在注意力操作分支A、注意力操作分支B、注意力操作分支C和注意力操作分支D中，所述特征图F₁分别与小区域块r₁、r₂、r₃、r₄进行卷积操作，其卷积计算结果均被进行归一化处理，从而分别生成特征图F₂、F₃、F₄、F₅；随后，特征图F₂、F₃、F₄、F₅会进行特征融合，其实现公式如下：

F₆＝F₂+F₃+F₄+F₅

其中，F₆是对F₂、F₃、F₄、F₅进行特征融合后的特征图，随后，对特征图F₆与特征图F₁进行特征融合操作，其实现公式如下：

F₇＝F₁*α₁+F₆*β₁

其中，F₇是对F₁与F₆进行特征融合后的特征图，α₁与β₁表示加权平均运算公式中的系数且α₁+β₁＝1，随后，使用特征图F₁进一步对特征图F₇进行优化，实现公式如下：

F₈＝F₁*α₂+F₇*β₂

其中，F₈是使用F₁对F₆进行特征优化后的特征图，α₂与β₂表示加权平均运算公式中的系数且α₂+β₂＝1；

最后，特征图F₈会被输入所述高斯混合模型进而检测每个参赛者的位置。

7.根据权利要求1所述的基于核分块注意力机制的马拉松场景人群运动追踪方法，其特征在于，在步骤S3中，所述核分块注意力机制模块加入到所述基本模型的特征提取算法中，从而在特征提取阶段能提取包含不同语义信息的特征。