[发明专利]基于残差分层注意力和相关性滤波器的目标跟踪方法及系统

摘要

本公开提出了一种基于残差分层注意力和相关性滤波器的目标跟踪方法及系统。本公开使用端到端训练的卷积神经网络，并将相关性滤波器作为网络中的层，实现了对运动目标进行实时的目标跟踪。而且，通过残差分层注意力学习，能够获得更有效、鲁棒的卷积目标特征，显著提升了目标跟踪的泛化能力。此外，多上下文相关性滤波层实现了以联合的方式对上下文进行感知和对回归目标进行自适应，显著提升了目标跟踪的判别能力。

主权项

1.一种基于残差分层注意力和相关性滤波器的目标跟踪方法，其特征是：包括以下步骤：(1)读取当前帧图像，获取目标在前一帧图像中的位置和尺度，进而确定当前帧中的测试样本；(2)将测试样本输入到训练后的卷积神经网络，获得测试样本的卷积特征，将所述特征输入至多上下文相关性滤波层，通过模型参数，获得网络响应，并确定目标在当前帧的位置和尺度；(3)根据目标在当前帧的位置和尺度，获取训练样本，将所述训练样本输入卷积神经网络和残差分层注意力模块，获得含有注意力信息的训练样本特征；(4)根据目标在当前帧的位置，提取转变样本，将其输入卷积神经网络，基于转变样本的网络响应，获得自适应的回归目标，之后，提取上下文样本，获得上下文样本特征，并根据含有注意力信息的训练样本特征和自适应的回归目标，得到含有多上下文信息的滤波器参数；(5)利用获得的滤波器参数，对原有的模型参数进行更新。