[发明专利]一种双向自回归的跟踪方法

权利要求书

1.一种双向自回归的跟踪方法，其特征在于，所述方法的步骤如下：

步骤1：提取当前帧特征图：将当前帧的原始图像输入卷积神经网络CNN中，获得特征图；

步骤2：获得当前帧ID嵌入：将步骤1得到的特征图送入ID嵌入头部，首先对特征图进行自注意力和互注意力操作分别获得自注意力图和互注意力图；再通过空间注意力和通道注意力将自注意力图和互注意力图融合得到特征图的ID嵌入；

步骤3：获得当前帧输出嵌入：将步骤1得到的特征图送入Transformer进行编码和解码，以获取输出嵌入；

步骤4：获得后续帧输出嵌入：将下一帧原始图像输入，重复步骤1和步骤3，得到后续帧输出嵌入；

步骤5：生成当前帧增强特征：使用反馈网络分支重检查网络对步骤2和步骤4分别得到的ID嵌入和后续帧输出嵌入进行操作，以得到增强特征；

步骤6：获得当前帧校准后的检测和跟踪结果：使用Transformer对增强特征进行操作，以得到校准后的结果；

步骤7：不断循环步骤1～步骤6，对目标进行跟踪，形成轨迹。

2.根据权利要求1所述的双向自回归的跟踪方法，其特征在于：所述步骤1中，卷积神经网络CNN采用ResNet50。

3.根据权利要求1所述的双向自回归的跟踪方法，其特征在于：所述步骤2具体为：首先将特征图进行平均池化，再通过不同卷积层生成结果A₁和A₂，再改变A₁和A₂维度为B₁和B₂，之后对B₁和它的转置进行矩阵乘运算，用softmax计算自关系得到自注意力图；同样，对B₁和B₂的转置进行矩阵乘运算，用softmax计算交叉关系得到互注意力图，接下来将自注意力图和互注意力图加权相加，再与改变维度的原始特征图相加，最后，依次采用空注意力间和通道注意力操作，得到ID嵌入。

4.根据权利要求1所述的双向自回归的跟踪方法，其特征在于：所述步骤5具体为：将步骤2和步骤4分别得到的ID嵌入和后续帧输出嵌入共同作为输入，送入反馈网络分支重检查网络，利用重检查网络的传感器检测模块将下一帧的检测和跟踪信息反向自回归到当前帧预测目标的位置，具体步骤是将下一帧的输出嵌入和当前帧的ID嵌入进行矩阵乘运算得到位置响应映射，再将其离散化为二进制掩膜，然后掩膜与位置响应映射进行点乘运算，再沿着通道维度进行和运算，以聚合响应映射得到相似度图；然后利用重检查网络的细化模块缓解目标在传感器检测模块中可能带来的假阳性问题，得到当前帧的增强特征，具体为首先用一个反向瓶颈模块处理相似度映射图，再与原始特征图的每个通道进行点乘得到当前帧增强特征。